使用去噪扩散模型的抗噪射频指纹识别
信号处理
2025-03-10 v1 人工智能
摘要
由于计算和能量资源有限，保障物联网设备的安全面临着日益严峻的挑战。射频指纹识别(RFFI)作为一种通过硬件损伤识别无线设备的有前景的认证技术应运而生。在低信噪比(SNR)场景下，RFFI的性能显著下降，因为微小的硬件特征很容易被噪声淹没。在本文中，我们利用扩散模型在低SNR场景下有效恢复射频指纹(RFF)。具体而言，我们训练了一个强大的噪声预测器，并定制了一种去噪算法，以有效降低接收信号中的噪声水平并恢复设备指纹。我们以Wi-Fi为案例研究，创建了一个包含6个商用现成Wi-Fi适配器和一个USRP N210软件无线电(SDR)平台的测试平台。我们在各种SNR场景下进行了实验评估。实验结果表明，所提出的算法可将分类准确率提高多达34.9%。
引用
@article{arxiv.2503.05514,
title = {Noise-Robust Radio Frequency Fingerprint Identification Using Denoise Diffusion Model},
author = {Guolin Yin and Junqing Zhang and Yuan Ding and Simon Cotton},
journal= {arXiv preprint arXiv:2503.05514},
year = {2025}
}
备注
6 pages, 8 figures, WCNC 2025