随着移动互联网的迅速发展,移动设备的安全也越来越受重视,目前移动设备和应用服务提供商一般都采用口令、指纹或人脸识别等一次性认证方式对用户进行身份认证。但是一次性认证存在一个严重的安全隐患,如果授权用户忘记或者离开其已经认证的设备,那么未经授权的用户便能访问授权用户的私有资源。持续认证的引入,可以很好的解决上述一次性认证存在的问题。由于移动设备和服务提供商的计算和存储资源有限,诸多基于云的持续认证系统被提出,但是这些系统的设计通常为了追求更高的认证准确率,而忽略了用户行为数据隐私的保护。为此本文旨在设计一种高认证准确率和隐私保护的持续认证系统。首先,本文采用了一种基于用户、服务提供商和云平台三方的持续认证系统设计方案,并对方案中特征提取和特征处理模块进行改进。在特征提取模块中对用户特征进行细粒度的划分,利用统计学方法对特征进行扩展,增多系统的有用特征。在特征处理模块中采用一种特征离散化的处理方法,使得系统的认证准确率提高3%左右。接着,针对基于用户、服务提供商和云平台三方的持续认证系统,本文提出了两种隐私保护方案。第一种是基于同态加密的隐私保护方案,该方案实现了DT-PKC同态加密算法,并利用其对用户行为数据进行加密来保护用户数据隐私。除此之外,本文对传统的逻辑回归算法进行了改进,设计出一种新型的隐私保护逻辑回归算法(Privacy Preserving Logistic Regression,PPLR),其可以针对加密的用户行为数据为用户生成身份认证模型。与传统同态加密隐私保护持续认证系统相比,该方案的认证准确率更高。第二种是基于PCA降维的隐私保护方案,其利用PCA降维技术将用户原始的行为特征向量通过空间变换转换为新的用户行为特征向量,从而达到隐私保护的效果。该方案采用了One Class SVM算法对PCA降维产生的用户行为特征向量进行处理,为用户生成身份认证模型。与基于同态加密的隐私保护方案相比,基于PCA降维的隐私保护的方案可以极大的减少系统的性能开销,但其认证准确率会有所降低。最后,本文实现了上述两种隐私保护方案,并构造多个实验来评估方案的认证准确率和性能开销。结果表明:本文提出的两种持续认证系统隐私保护方案相比于其他隐私保护方案具备更高的认证准确率。基于同态加密的隐私保护方案,其认证准确率可以达到93.6%,对127维的用户行为特征向量进行认证需要19.2秒。基于PCA降维的隐私保护方案,其认证准确率可以达到90.8%,对127维的用户行为特征向量进行只需0.0057秒,大幅减少系统性能开销。