基于深度学习的 FDD 系统物理层密钥生成
密码学与安全
2021-09-01 v2 信号处理
摘要
物理层密钥生成(PKG)从无线信道的高度相关测量中建立密码学密钥,依赖于上行与下行间的互易信道特性,是物联网(IoT)的一种有前景的无线安全技术。然而,在频分双工(FDD)系统中提取公共特征具有挑战性,因为上行与下行传输在不同频带运作,其信道频率响应不再互易。现有 FDD 系统的 PKG 方法存在诸多局限,如高开销与安全问题。本文提出一种新颖的 PKG 方案,利用深度学习获得的异频带间特征映射函数使两用户在 FDD 系统中生成高度相似的信道特征。特别地,这是首次将深度学习应用于 FDD 系统的 PKG。我们首先证明给定环境下频带特征映射函数的存在性,且带单个隐藏层的前馈网络可逼近该映射函数。然后提出用于互易信道特征构造的密钥生成神经网络(KGNet),并给出基于 KGNet 的密钥生成方案。数值结果验证了基于 KGNet 的密钥生成方案在随机性、密钥生成率与密钥误码率方面的优异性能。此外,开销分析表明本文提出的方法可用于 FDD 系统中资源受限的 IoT 设备。
引用
@article{arxiv.2105.08364,
title = {Deep Learning-based Physical-Layer Secret Key Generation for FDD Systems},
author = {Xinwei Zhang and Guyue Li and Junqing Zhang and Aiqun Hu and Zongyue Hou and Bin Xiao},
journal= {arXiv preprint arXiv:2105.08364},
year = {2021}
}
备注
Accepted for publication in IEEE Internet of Things Journal