GAN-RXA：一种实用的可扩展接收机无关发射机指纹识别方案
信号处理
2024-02-20 v2
摘要
射频指纹识别已被提出用于设备识别。然而，实验研究也表明其对部署变化敏感。近期工作通过开发考虑时间与位置变化的鲁棒算法来解决信道影响，但接收机损伤对发射机指纹的影响尚待解决。在本工作中，我们研究接收机无关发射机指纹识别问题，并提出一种新颖的两阶段监督学习框架（RXA）来解决该问题。在第一阶段，我们的方法校准一个接收机无关的发射机特征提取器。我们还在该第一阶段提出两种深度学习方法（SD-RXA 和 GAN-RXA）以提升 RXA 框架的接收机无关特性。在第二阶段，经校准的特征提取器被用于仅使用一台接收机训练发射机分类器。我们在一个大规模 WiFi 数据集上针对发射机识别问题评估所提方法。我们表明，当训练好的发射机分类器部署于新接收机时，相较于无校准的朴素方法，RXA 框架可将分类准确率提升 19.5%，并将离群点检测 ROC AUC 提升 12.0%。此外，相较于 RXA 方法，GAN-RXA 可进一步提升闭集分类准确率 5.0%，并将离群点检测 ROC AUC 提升 12.5%。
引用
@article{arxiv.2303.14312,
title = {GAN-RXA: A Practical Scalable Solution to Receiver-Agnostic Transmitter Fingerprinting},
author = {Tianyi Zhao and Shamik Sarkar and Enes Krijestorac and Danijela Cabric},
journal= {arXiv preprint arXiv:2303.14312},
year = {2024}
}