射频指纹识别综合综述：传统方法、深度学习与开放挑战
机器学习
2022-09-08 v3 人工智能
摘要
第五代（5G）及更先进网络设想大规模物联网（IoT）部署，以支持扩展现实（XR）、增强/虚拟现实（AR/VR）、工业自动化、自动驾驶和智能万物等突破性应用，这些应用将大量多样化物联网设备汇聚到射频（RF）频谱中。除频谱紧缩与吞吐量挑战外，如此大规模的无线设备暴露出前所未有的威胁面。射频指纹识别被誉为一项候选技术，可与密码学和零信任安全措施结合，以保障无线网络中数据的隐私、机密性与完整性。受该主题在未来通信网络中相关性的驱动，在这项工作中，我们呈现了射频指纹识别方法的综合综述，涵盖从传统视角到最新的基于深度学习（DL）的算法。现有综述大多聚焦于无线指纹识别方法的受限呈现，然而许多方面仍未述及。但在本工作中，我们通过阐述方方面面——信号情报（SIGINT）背景、应用、相关 DL 算法、跨越过去二十年的射频指纹识别技术系统性文献回顾、数据集讨论及潜在研究途径——来缓解此问题，以百科式向读者阐明该主题。
引用
@article{arxiv.2201.00680,
title = {A Comprehensive Survey on Radio Frequency (RF) Fingerprinting: Traditional Approaches, Deep Learning, and Open Challenges},
author = {Anu Jagannath and Jithin Jagannath and Prem Sagar Pattanshetty Vasanth Kumar},
journal= {arXiv preprint arXiv:2201.00680},
year = {2022}
}
备注
To appear in Computer Networks (Elsevier)