作为智能过程的机器学习辅助物理层认证
密码学与安全
2018-08-08 v1
摘要
现有物理层认证方案的性能可能受到所用通信链路属性估计不完善及其变化的严重影响。所普遍采用的静态假设检验物理层认证在时变通信信道中面临重大挑战，因为传播与干扰条件的不断变化在设计阶段通常是未知的。为克服这一障碍，我们提出一种基于机器学习的自适应物理层认证方案，将其作为智能过程来学习并利用复杂且时变的环境，从而提升物理层认证的可靠性与鲁棒性。具体而言，设计了一种基于核机器的物理层属性融合模型，可在无需知晓各属性统计特性的情况下处理多属性。通过将物理层认证建模为线性系统，所提技术直接将认证范围从组合的N维特征空间降维至一维（标量）空间，从而降低认证复杂度。通过将物理层认证的学习（训练）目标表述为凸问题，进而提出一种基于核最小均方的自适应算法，作为智能过程来学习并跟踪多属性的变化，由此提升认证性能。我们对所提智能认证过程的收敛性与认证性能进行了理论分析。仿真表明，该方案在时变环境中显著改善了认证性能。
引用
@article{arxiv.1808.02456,
title = {Learning-Aided Physical Layer Authentication as an Intelligent Process},
author = {He Fang and Xianbin Wang and Lajos Hanzo},
journal= {arXiv preprint arXiv:1808.02456},
year = {2018}
}