用于蓝牙真实世界射频指纹识别的嵌入辅助注意力深度学习
网络与互联网体系结构
2023-04-20 v2 人工智能
机器学习
摘要
我们设计了一个可扩展且计算高效的框架来对真实世界蓝牙设备进行指纹识别。我们提出了一种适用于实际蓝牙设备指纹识别的嵌入辅助注意力框架（Mbed-ATN）。分析了其在不同设置下的泛化能力，并展示了采样长度和抗混叠抽取的效果。嵌入模块作为一个降维单元，将高维 3D 输入张量映射为 1D 特征向量，以供 ATN 模块进一步处理。此外，不同于该领域先前的研究，我们仔细评估了模型的复杂度，并使用在不同时间框架和实验设置下采集的真实世界蓝牙数据集测试其指纹识别能力，而训练数据来自另一框架与设置。我们的研究表明，在 100 kS 采样长度下，与基准模型——GRU 和 Oracle 模型相比，内存占用分别减少 9.17 倍和 65.2 倍。此外，相较于 Oracle，所提 Mbed-ATN 的 FLOPs 减少 16.9 倍，可训练参数减少 7.5 倍。最后，我们表明在抗混叠抽取且输入采样长度更大（1 MS）的真实世界挑战性设置下，所提 Mbed-ATN 框架实现了高 5.32 倍的 TPR、少 37.9% 的误报以及高 6.74 倍的准确率。
引用
@article{arxiv.2210.02897,
title = {Embedding-Assisted Attentional Deep Learning for Real-World RF Fingerprinting of Bluetooth},
author = {Anu Jagannath and Jithin Jagannath},
journal= {arXiv preprint arXiv:2210.02897},
year = {2023}
}
备注
To Appear in IEEE Transactions on Cognitive Communications and Networking