Los recientes desarrollos en la industria móvil e inteligente han llevado a una explosión en el uso de múltiples dispositivos inteligentes como teléfonos inteligentes, tabletas, pulseras inteligentes, etc. Para lograr una seguridad duradera después de la autenticación inicial, se han realizado muchos estudios para aplicar la autenticación de usuarios a través de biometría conductual. Sin embargo, pocos de ellos consideran la autenticación continua de usuarios en múltiples dispositivos inteligentes. En este artículo, investigamos la autenticación de usuarios desde una nueva perspectiva: la autenticación continua en múltiples dispositivos, es decir, autenticando continuamente a los usuarios después de tanto el acceso inicial a un dispositivo como la transferencia a otros dispositivos. En contraste con estudios anteriores, proponemos un método de autenticación continua de usuarios que explota la identificación biométrica conductual en múltiples dispositivos inteligentes. En este estudio, consideramos los datos de sensores capturados por sensores de acelerómetro y giroscopio en teléfonos inteligentes y tabletas. Además, se utilizan datos biométricos conductuales de múltiples dispositivos como entrada de nuestro modelo de red neuronal optimizado, que combina una red neuronal convolucional (CNN) y una red de memoria a corto y largo plazo (LSTM). En particular, construimos imágenes de dominio bidimensionales para caracterizar las características subyacentes de las señales de los sensores entre diferentes dispositivos y luego las introducimos en nuestra red para clasificación. Con el fin de fortalecer la efectividad y eficiencia de la autenticación en múltiples dispositivos, introducimos una estrategia adaptativa basada en la confianza al tener en cuenta los resultados históricos de autenticación de usuarios. Este artículo evalúa el rendimiento de nuestro mecanismo de autenticación continua de usuarios en múltiples dispositivos bajo diferentes escenarios, y resultados empíricos extensos demuestran su viabilidad y eficiencia. Usando el mecanismo, logramos precisiones medias del 99.8% y 99.2% para teléfonos inteligentes y tabletas, respectivamente, en aproximadamente 2.3 s, lo que demuestra que autentica a los usuarios de manera precisa y rápida.