该论文针对QR码支付中的身份认证问题，提出了一种利用人体姿态（Poses）作为隐式认证因子（Implicit Authentication Factor）的新方法。作者分析了现有QR码支付方式（如扫描二维码并输入密码或指纹）存在的安全隐患，例如密码被窥视或指纹被复制。核心思路是：用户在支付时，其特定的身体姿态（如手持手机的角度、手臂伸展弧度等）具有唯一性和不易复制的特性，可作为一种辅助认证手段。论文设计并实现了一个基于姿态的认证系统，该系统通过手机传感器（如加速度计、陀螺仪、摄像头等）捕获用户姿态数据，利用机器学习模型（如CNN、LSTM或Transformer）进行特征提取和匹配，从而区分合法用户与攻击者。实验部分在模拟支付场景中收集了多名受试者的姿态数据，并进行了多种攻击场景测试，包括模仿攻击（攻击者试图复制合法用户姿态）和重放攻击。结果表明，该系统在保持低误报率的同时，能够有效抵抗常见攻击，显著提升支付安全性。该工作的主要贡献在于首次将人体姿态作为QR码支付的隐式认证因子，拓展了多因素认证的维度，并为移动支付安全提供了新颖的防御思路。适合移动安全、认证机制领域的研究者和开发人员阅读。