HiNoVa：一种用于自动化射频设备认证的新颖开放集检测方法
密码学与安全
2023-05-17 v1 机器学习
信号处理
摘要
深度学习利用射频（RF）数据中的模式来识别与认证设备，为无线网络安全带来了新能力。开放集检测是深度学习的一个领域，用于在部署时识别来自训练集中未包含的新设备所采集的样本。以往开放集检测工作多应用于图像等独立同分布数据。相比之下，RF 信号数据因样本间具有非线性时间依赖的时间序列特性而带来独特挑战。我们基于卷积神经网络（CNN）长短期记忆（LSTM）模型内部隐藏状态值的模式，引入了一种新颖的开放集检测方法。我们的方法在 LoRa、Wireless-WiFi 与 Wired-WiFi 数据集上大幅提升了精确率-召回率曲线下面积，因此可成功用于监控和控制无线设备的未授权网络访问。
引用
@article{arxiv.2305.09594,
title = {HiNoVa: A Novel Open-Set Detection Method for Automating RF Device Authentication},
author = {Luke Puppo and Weng-Keen Wong and Bechir Hamdaoui and Abdurrahman Elmaghbub},
journal= {arXiv preprint arXiv:2305.09594},
year = {2023}
}