DeepCSI：通过MU-MIMO CSI反馈深度学习重新思考Wi-Fi无线电流纹识别
网络与互联网体系结构
2022-12-01 v1 机器学习
摘要
我们提出DeepCSI，一种新颖的Wi-Fi无线电流纹识别（RFP）方法，其利用符合标准的波束赋形反馈矩阵来对移动中的MU-MIMO Wi-Fi设备进行认证。通过捕获现成无线电电路中的独特缺陷，RFP技术可在物理层直接识别无线设备，实现低延迟、低能耗且无密码学的认证。然而，现有的Wi-Fi RFP技术基于软件定义无线电（SDRs），这可能最终阻碍其广泛采用。此外，现有策略是否能在MU-MIMO发射机存在下工作尚不清楚——MU-MIMO是现代Wi-Fi标准中的关键技术。与先前工作相反，DeepCSI不需要SDR技术，并且可在任何低成本Wi-Fi设备上运行以认证MU-MIMO发射机。我们的核心直觉是，发射机无线电电路中的缺陷会渗透到波束赋形反馈矩阵上，因此无需显式的信道状态信息（CSI）计算即可执行RFP。DeepCSI对流间与用户间干扰具有鲁棒性，因为波束赋形反馈不受这些现象影响。我们通过在野外使用现成设备进行的大规模数据收集活动广泛评估了DeepCSI的性能，其中10个MU-MIMO Wi-Fi无线电在不同位置发射信号。实验结果表明，DeepCSI以高达98%的准确率正确识别发射机。当设备在环境中移动时，识别准确率仍保持在82%以上。为了允许复现并提供性能基准，我们承诺将所收集的800 GB数据集（在静态以及首次在动态条件下收集）和代码库与社区共享。
引用
@article{arxiv.2204.07614,
title = {DeepCSI: Rethinking Wi-Fi Radio Fingerprinting Through MU-MIMO CSI Feedback Deep Learning},
author = {Francesca Meneghello and Michele Rossi and Francesco Restuccia},
journal= {arXiv preprint arXiv:2204.07614},
year = {2022}
}
备注
To be presented at the 42nd IEEE International Conference on Distributed Computing Systems (ICDCS), Bologna, Italy, July 10-13, 2022