面向射频设备的深度开集识别
信号处理
2021-12-07 v1
摘要
基于人工智能（AI）的设备识别提升了物联网（IoT）的安全性，并加速了认证过程。然而，现有方法依赖于这样一个假设：我们可以从训练集中学习到所有类别，即闭集分类。为克服闭集局限，我们提出了一种新颖的开集射频设备识别方法，以对测试集中未见的类别进行分类。首先，我们设计了一个带有短时傅里叶变换（STFT）预处理模块的特定卷积神经网络（CNN），其能有效识别从各类射频设备信号学到的特征图之间的差异。然后，为生成已知类别边界的表示，我们通过 OpenMax 函数估计开集的概率图。我们在采样数据与语音信号集上开展实验，考量了多种预处理方案、网络结构、距离度量、尾部大小与开放度。仿真结果表明所提方法在鲁棒性与准确性方面的优越性。
引用
@article{arxiv.2112.02536,
title = {Deep Open Set Identification for RF Devices},
author = {Qing Wang and Qing Liu and Zihao Zhang and Haoyu Fang and Xi Zheng},
journal= {arXiv preprint arXiv:2112.02536},
year = {2021}
}
备注
10 pages, 9 figures