利用一类分类器学习似然检验以实现物理层认证
机器学习
2025-05-20 v5 信号处理
机器学习
摘要
在物理层认证（PLA）机制中，验证者根据消息所经物理信道的某些特征，决定接收到的消息是由合法用户还是入侵者传输的。为了设计在验证者处实现的认证检查，通常合法用户信道的特征统计或数据集是可用的，而在受攻击时则无可用信息。当统计已知时，一个公认的良好解是似然检验（LT）。当数据集可用时，该决策问题是一类分类（OCC），并且良好理解用于解决它的机器学习（ML）技术对确保安全很重要。因此，在本文中，我们旨在获得如LT般运行的ML PLA验证者。我们展示了如何使用神经网络（NN）和一类最小二乘支持向量机（OCLSSVM）模型，在单类数据集和人工数据集上作为两类分类器进行训练来实现。负类的人工数据集是通过在合法类数据集的域上均匀生成信道特征（CF）向量获得的。我们还推导了一种改进随机梯度下降（SGD）算法，该算法训练如LT般运行的PLA验证者而无需人工数据集。此外，我们展示具有合适核的一类最小二乘支持向量机在收敛时如LT般运行。最后，我们展示广泛使用的自编码器分类器通常不提供LT。数值结果考虑了无线和水下声学信道上的PLA。
引用
@article{arxiv.2210.12494,
title = {Learning The Likelihood Test With One-Class Classifiers for Physical Layer Authentication},
author = {Francesco Ardizzon and Stefano Tomasin},
journal= {arXiv preprint arXiv:2210.12494},
year = {2025}
}