对抗鲁棒的射频指纹识别：用于检测恶意发射机的CNN-GAN框架
密码学与安全
2025-10-14 v1 人工智能
摘要
射频指纹识别（RFF）通过利用信号生成过程中硬件组件的独特缺陷，已成为一种有效的设备认证解决方案。在这项工作中，我们提出了一种基于卷积神经网络（CNN）的框架，通过softmax概率阈值检测恶意设备并识别合法设备。我们模拟了一种攻击场景，其中攻击者通过使用来自合法设备的同相和正交（IQ）样本训练生成对抗网络（GAN），试图模仿合法设备的射频特征。所提出的方法使用从十个不同的ADALM-PLUTO软件定义无线电（SDR）收集的IQ样本进行验证，其中七个设备被视为合法，两个为恶意，一个用于验证以确定阈值。
引用
@article{arxiv.2510.09663,
title = {Adversarial-Resilient RF Fingerprinting: A CNN-GAN Framework for Rogue Transmitter Detection},
author = {Raju Dhakal and Prashant Shekhar and Laxima Niure Kandel},
journal= {arXiv preprint arXiv:2510.09663},
year = {2025}
}
备注
Accepted for publication in ICMLA 2025