真实环境中射频设备的实用指纹识别
信号处理
2021-05-11 v1
摘要
我们提出一种基于简单、易且高效可重训练的岭回归（Ridge Regression, RR）分类器的无线发射机射频指纹识别新技术。RR 利用波形样本突发，经延迟环储层便捷变换与预处理来学习识别设备。深度延迟环储层计算（Deep delay Loop Reservoir Computing, DLR）是我们的处理架构，其通过利用延迟环储层计算（RC）与创新的环树架构，在资源受限设备上支持通用机器学习算法。在先前工作中，我们在干净信道下使用高信噪比设备发射训练并评估了 DLR。本文中，我们展示如何通过基于射频的特定辐射源识别（Specific Emitter Identification, SEI）利用 DLR 进行物联网认证，即便在衰落信道与强带内干扰下，也借助称为 MF-DLR 的匹配滤波（MF）扩展实现。我们表明，MF 处理在不经 RC 变换的 RR（MF-RR）下提升了 SEI 性能，但 MF-DLR 更鲁棒且适用于处理超出波形瞬态（如开启）的特征。
引用
@article{arxiv.2105.04492,
title = {Practical Fingerprinting of RF Devices in the Wild},
author = {Silvija Kokalj-Filipovic and Luke Boegner and Robert D. Miller},
journal= {arXiv preprint arXiv:2105.04492},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2104.00751