MobRFFI：面向移动智能的非协作式设备重识别
信号处理
2025-03-05 v1 人工智能
机器学习
网络与互联网体系结构
摘要
城市环境中基于 WiFi 的移动监测可为行人与车辆的移动提供有价值的洞察。然而，MAC 地址随机化在准确估计拥堵程度与路径轨迹方面引入了重大障碍。为此，我们考虑利用射频指纹识别与重识别技术，在不使用 MAC 地址的情况下将 WiFi 流量归因于发射设备。我们提出了 MobRFFI，这是一个用于 WiFi 网络的基于 AI 的设备指纹识别与重识别框架，该框架利用编码器深度学习模型，基于 WiFi 芯片组硬件损伤提取独特特征。它完全独立于帧类型。在 WiFi 指纹数据集 WiSig 上进行评估时，我们的方法在多日和单日重识别场景中分别实现了 94% 和 100% 的设备准确率。我们还收集了一个新数据集 MobRFFI，用于精细化的多接收器 WiFi 设备指纹识别评估。利用该数据集，我们证明了在单日场景和多日场景中，融合来自多个接收器的指纹可将重识别性能分别从 81% 提升至 100% 以及从 41% 提升至 100%。
引用
@article{arxiv.2503.02156,
title = {MobRFFI: Non-cooperative Device Re-identification for Mobility Intelligence},
author = {Stepan Mazokha and Fanchen Bao and George Sklivanitis and Jason O. Hallstrom},
journal= {arXiv preprint arXiv:2503.02156},
year = {2025}
}
备注
10 pages, 9 figures, 3 tables