PAST-AI：基于深度学习的卫星发射机物理层认证
密码学与安全
2020-10-13 v1 人工智能
计算机与社会
摘要
由于深度学习分类算法带来的性能提升，物理层安全在研究界正重新受到关注。对于通过无线电指纹识别的无线通信发送方认证而言尤其如此。然而，以往研究工作主要关注地面无线设备，而据我们所知，先前工作均未考虑卫星发射机。卫星场景通常具有挑战性，因为除其他外，卫星无线电收发器采用非标准电子器件（通常老化且专为恶劣条件设计）。此外，对于低地球轨道（LEO）卫星（如本文所关注），指纹识别任务尤为困难，因其距地球约 800 公里轨道高度、以约 25,000 公里/小时速度运行，使接收机经历具有独特衰减与衰落特性的下行链路。本文提出 PAST-AI，一种通过对其 IQ 样本进行指纹识别来认证 LEO 卫星的定制方法，采用先进 AI 方案。我们的方法在真实数据上测试——来自对 IRIDIUM LEO 卫星星座长达 589 小时的广泛测量活动收集的逾 1 亿 I/Q 样本。结果令人震惊：我们证明卷积神经网络（CNN）与自动编码器（若经适当校准）可成功用于认证卫星收发器，准确率在 0.8 至 1 之间，取决于先验假设。所提方法、所得结果及提供的见解，除自身具趣味性外，结合我们公开的数据集，也将为该领域未来研究铺平道路。
引用
@article{arxiv.2010.05470,
title = {PAST-AI: Physical-layer Authentication of Satellite Transmitters via Deep Learning},
author = {Gabriele Oligeri and Simone Raponi and Savio Sciancalepore and Roberto Di Pietro},
journal= {arXiv preprint arXiv:2010.05470},
year = {2020}
}