移动互联网及通信技术的发展带来了智能手机用户的爆炸式增长,人们习惯于使用智能手机上丰富的应用来方便自己的日常生活。然而智能手机在给人们的带来便利的同时,也带来了更大的隐私泄露和财产损失的风险。目前,智能手机上主要是通过配备一次性的身份认证机制来保证设备的安全,例如数字密码、指纹识别、面部识别等,但是这些机制具有安全性和易用性方面的不足。在安全性方面,一次性身份认证机制仅在用户获取设备访问权限时生效,在用户使用过程中不会重新对其认证,这不能保证当前使用设备的用户即为合法用户;在易用性方面,用户每次进行身份认证时都需主动的输入自己的身份凭证,这在一定程度上降低了用户的使用体验。为弥补一次性身份认证机制的不足,持续身份认证机制被提出,其可以在不影响用户正常使用的情况下持续地对用户身份进行认证。目前大部分的持续身份认证方法是通过机器学习算法构建出用户的行为身份模型,进而通过该模型对用户进行持续且透明的认证。然而已有的方案在性能及适用场景上都存在着不足,本文针对这些不足分别在应用级和系统级各提出一种持续身份认证方案。具体贡献如下:一、本文首先在现有的基于滑动行为特征的持续认证方案的基础上,提出了一种融合滑动轨迹及动力特征的应用级持续认证方案。该方案利用用户在滑动过程的触摸轨迹数据和运动传感器数据来提取行为特征,并构建用户的身份模型,同时还考虑了用户的不同运动状态,这使得该方案在具有更好的认证效果的同时也具有更广泛的使用场景。该方案可内嵌入涉及敏感信息的应用中来保护用户的隐私。实验结果表明,该方案相比于已有的基于滑动行为特征的方法具有更低的等错误率（Equal Error Rate,EER）。二、为满足对系统内所有应用进行保护的需求,本文提出了一种双阶段的系统级持续认证方案。该方案将所有应用的生命周期划分为加载阶段和使用阶段,并在加载阶段提取用户的持机姿势特征,在使用阶段提取用户的点击行为特征,然后分别在两个阶段构建起不同的身份模型。该方案可在第三方应用中实现,并能在系统层面对所有应用进行保护,另外可通过用户自定义或系统自适应的方式,根据不同应用的敏感度来调节保护级别,以更好地在易用性和安全性上权衡。实验结果表明,该方案可有效地对用户进行系统级别的持续身份认证。