基于生成式离群样本增强的开集射频指纹识别

射频设备可通过其发射信号中嵌入的称为射频指纹的独特缺陷进行识别。此类设备的闭集分类，即在授权发射机集合中必须进行识别，已得到充分研究。然而，开集分类这一困难得多的问题——分类器需在识别授权发射机的同时拒绝未授权发射机——直到最近才被关注。迄今为止，开集分类的尝试主要依赖于利用从已知未授权发射机集合捕获的信号样本，以辅助分类器学习未授权发射机指纹。由于获取新发射机用作已知发射机成本极高，我们提出使用生成式深度学习方法模拟未授权信号样本以增强训练数据集。我们开发了两种不同的数据增强技术，一种利用数量有限的已知未授权发射机，另一种则不需要任何未授权发射机。在从WiFi测试床捕获的数据集上进行的实验表明，数据增强可显著提升开集分类准确率，尤其在授权集合较小时。