基于高效高斯过程分类的可配置指纹 6G 物联网物理层认证
信号处理
2025-04-08 v3
摘要
未来的 6G 赋能物联网将促进普在无线设备间的无缝全球连接，但这一进展也带来了诸如欺骗攻击等更高的安全风险。物理层认证（PLA）已成为一种有前景、内在安全且节能的物联网终端认证技术。然而，将最先进的 PLA 方案直接应用于 6G 赋能物联网面临两大障碍：不准确的信道指纹与先验指纹信息利用低效。为应对这些挑战，我们利用可重构智能表面（RISs）提升指纹精度。此外，我们整合主动学习与高斯过程（GPs）提出一种基于高效高斯过程分类（EGPC）的 PLA 方案，旨在实现可靠且轻量级的认证。遵循贝叶斯定理，我们用 GPs 对可配置指纹建模，并采用期望传播方法识别未知指纹。鉴于难以获取充足带标签指纹样本来训练 PLA 模型，我们提出三种指纹选择算法。这些算法选取未标记指纹并通过上层认证机制查询其身份。其中最优算法通过重要性采样减少所需训练指纹数量，并通过联合分布计算消除 PLA 模型重训需求。仿真结果显示，相较于非 RIS 方案，RIS 辅助 PLA 框架将认证错误率降低 98.69%。此外，我们设计的指纹选择算法相较基线主动学习方案实现高达 86.93% 的认证错误率削减。
引用
@article{arxiv.2307.12263,
title = {Efficient Gaussian Process Classification-based Physical-Layer Authentication with Configurable Fingerprints for 6G-Enabled IoT},
author = {Rui Meng and Fangzhou Zhu and Xiqi Cheng and Xiaodong Xu and Bizhu Wang and Chen Dong and Bingxuan Xu and Xiaofeng Tao and Ping Zhang},
journal= {arXiv preprint arXiv:2307.12263},
year = {2025}
}
备注
14 pages, 9 figures