基于RF指纹识别的快速NFC标签识别的模型无关不确定性量化
信号处理
2025-03-14 v1
摘要
近场通信（NFC）广泛用于门禁系统和身份证等安全应用。然而，克隆攻击可以复制数字信息，实现未经授权的访问。RF指纹识别通过提取NFC卡独有的物理层特征提供了一种稳健的防御手段，这些特征无法被克隆。虽然RF指纹识别已广泛应用于物联网（IoT）设备认证，但NFC标签具有不同的特性，需要专门的方法。本文聚焦于ISO15693 NFC标签的RF指纹识别，这是广泛使用的国际标准，通过利用多通道、多速率数据采样来提高准确性。深度学习和随机森林模型被用于识别NFC标签，而不确定性量化，特别是共形预测，以高置信度和精度加速识别过程。我们开发了一个软件定义无线电（SDR）测试平台来传输定制命令并收集多通道多速率NFC信号。多通道多速率NFC信号被逐步收集，以确保快速且准确的识别。实验结果表明，所提出的系统通过自适应利用最优的NFC信号组合实现了高精度。所开发的解决方案是模型无关的，可用于任何基于机器学习的NFC标签识别。
引用
@article{arxiv.2503.09789,
title = {Model-Agnostic Uncertainty Quantification for Fast NFC Tag Identification using RF Fingerprinting},
author = {Dickson Akuoko Sarpong and Adam Kamrath and Rohit Bhusal and Hongzhi Guo},
journal= {arXiv preprint arXiv:2503.09789},
year = {2025}
}