Die Authentisierung mittels beschleunigungsbasierter biometrischer Gangerkennung ist eine nutzerfreundliche Alternative zu herkömmlichen Authentisierungsverfahren für Smartphones. Diese hat den großen Vorteil, dass die Authentisierung ohne Nutzerinteraktion durchgeführt wird. Wenn der Nutzer geht, wird über die bereits werksseitig in das Telefon integrierten Beschleunigungssensoren sein spezifisches Gangmuster bestimmt und zur Authentisierung verwendet. In einer Studie wurde gezeigt, dass die Nutzer die Authentisierungsfunktionen ihres Handys häufig deaktivieren, da diese zu zeitaufwändig sind. Da alle für die Gangerkennung durchzuführenden Schritte im Hintergrund ablaufen, ist für das vorgestellte Verfahren keine Nutzerinteraktion notwendig. Durch eine fortlaufende Berechnung der Authentisierungsergebnisse während der Nutzer läuft, ist ein aktuelles Ergebnis jederzeit vorhanden. Zum Log-in Zeitpunkt sind daher keine Berechnungen mehr notwendig und es tritt somit auch kein Zeitverlust auf. Lediglich falls der Nutzer nicht geht, ist eine andere Authentisierungsmethode notwendig. Dies ist ein erheblicher Nutzen für den Anwender, da er von den Vorteilen eines durch Authentisierung geschützten Smartphones profitieren kann, ohne jedoch die Nachteile herkömmlicher Verfahren in Kauf nehmen zu müssen. Diese hohe Nutzerfreundlichkeit kann dazu führen, dass die Anzahl der Smartphones steigt, bei denen die Bildschirmentsperrung an eine Authentisierung gekoppelt ist. Somit kann der Sicherheitslevel der in den Smartphones gespeicherten Daten erhöht und ein Missbrauch dieser Informationen durch einen unberechtigten Nutzer verhindert werden. Durch die wachsende Verbreitung leistungsfähiger Smartphones steigt auch die Anzahl zur Verfügung stehender Anwendungen stetig. Diese Anwendungen führen dazu, dass immer mehr Daten auf den Geräten gespeichert werden, die einen Schutz des Gerätes notwendig machen. Dies können z.B. Adressen, Termine oder GPS-Daten sein. Außerdem erfordern einige dieser Applikationen, z.B. von sozialen Netzwerken oder E-Mail-Anbietern, dass sich der Nutzer authentisiert. Häufig werden diese Zugangsdaten gespeichert, so dass sie nicht bei jeder Nutzung eingegeben werden müssen. Hat ein unberechtigter Nutzer Zugriff auf das Smartphone kann er diese Dienste uneingeschränkt verwenden und somit dem Eigentümer erheblichen Schaden zufügen. Ziel dieser Arbeit war, Verfahren für die beschleunigungsbasierte biometrische Gangerkennung zu entwickeln, die ausreichend niedrige Fehlerraten bieten und zu zeigen, dass diese leistungsfähig genug sind, um auf aktuellen Smartphones ausgeführt zu werden. Da die Grundlage bestehender Verfahren die Extraktion von Gangzyklen (zwei Schritten) aus den Beschleunigungsdaten ist, wurde ein zyklusbasiertes Verfahren entwickelt und in einem Szenariotest evaluiert. Dieses Verfahren verwendet die Rohdaten der Gangzyklen als Merkmalsvektoren und führt eine Klassifizierung mit Hilfe von Distanzfunktionen durch. Desweiteren wurde ein Ansatz gewählt, der ohne die aufwändige und fehlerbehaftete Extraktion der Gangzyklen auskommt und stattdessen eine Segmentierung in überlappende Segmente fester Länge nutzt. Aus diesen Segmenten wurden verschiedene Merkmale extrahiert und zu Merkmalsvektoren kombiniert. Die Klassifizierung wurde mittels Verfahren des maschinellen Lernens durchgeführt. Ein Vergleich der Verfahren auf einer anspruchsvollen Datenbasis zeigte, dass diese Verfahren niedrige Gleichfehlerraten zwischen 6% und 7% erreichen und damit besser sind als das zyklusbasierte Verfahren. Diese Fehlerraten wurden unter der realistischen Bedingung erreicht, dass Trainings- und Probedaten nicht an dem selben Tag aufgenommen wurden. Es wurde gezeigt, dass fünf Minuten Gangdaten genügen, um die Modelle ausreichend zu trainieren. Hierbei sollte beachtet werden, dass die Trainingsdaten die verschiedenen Geschwindigkeiten enthalten bei denen der Nutzer später erkannt werden soll. Um niedrige Falschrückweisungsraten zu erhalten, sollte die Klassifizierung auf circa drei Minuten Gangdaten basieren. Zwei der entwickelten Verfahren wurden für Smartphones implementiert und evaluiert. Es wurde gezeigt, dass die Klassifizierung bei beiden Verfahren schnell genug durchgeführt werden kann, so dass es möglich ist, eine Authentisierung ohne Zeitverlust für den Nutzer durchzuführen.