EPS：用于设备指纹域适应学习的可区分IQ数据表示
密码学与安全
2023-08-10 v1
摘要
基于深度学习（DL）的射频指纹（RFFP）技术已成为一种强大的物理层安全机制，能够基于可从接收射频信号中提取的独特设备专用特征实现设备识别与认证。然而，基于DL的RFFP方法在适应域（如日/时、位置、信道等）变化与差异性方面面临重大挑战。本工作提出一种新颖的IQ数据表示与特征设计，称为双侧包络功率谱（EPS），其被证明能显著克服域适应问题。通过精确捕获设备硬件损伤同时抑制无关域信息，EPS为RFFP中的DL模型提供了改进的特征选择。实验评估证明了其有效性：在同日/信道/位置评估中取得超过99%测试准确率，跨日评估中达93%准确率，优于传统IQ表示。此外，EPS在跨位置评估中表现优异，取得95%准确率。所提表示显著增强了基于DL的RFFP方法的鲁棒性与泛化性，从而为基于IQ数据的设备指纹识别提供了变革性解决方案。
引用
@article{arxiv.2308.04467,
title = {EPS: Distinguishable IQ Data Representation for Domain-Adaptation Learning of Device Fingerprints},
author = {Abdurrahman Elmaghbub and Bechir Hamdaoui},
journal= {arXiv preprint arXiv:2308.04467},
year = {2023}
}