本文提出了 AccLock，一种基于耳塞内置加速度计的被动式用户身份验证系统。与现有依赖主动交互（如语音指令）或主动声波输出的耳塞认证方案不同，AccLock 利用用户佩戴耳塞时由心跳引起的体内震动（即心冲击图 BCG 信号）进行身份识别。系统核心创新包括三部分：首先，设计了两阶段去噪方案抑制耳塞运动伪影和环境噪声等干扰；其次，提出基于解耦的深度学习模型 HIDNet，显式地将用户特异性特征与共享干扰分量分离；最后，基于孪生网络开发可扩展认证框架，无需为每个用户单独训练分类器。实验在 33 名参与者上进行，平均误接受率（FAR）为 3.13%，误拒绝率（FRR）为 2.99%，验证了系统的实际可行性。该方案无需用户主动配合，也无须耳机发出声音，且对环境噪声鲁棒，为可穿戴设备中的持续、无扰认证提供了新思路。