预印本：利用 RF-DNA 指纹在瑞利衰落条件下对 OFDM 发射机进行分类
信号处理
2022-09-13 v1 计算机视觉与模式识别
机器学习
摘要
物联网是能够与物理世界和计算机系统交互的互联网连接设备集合。预计到 2020 年，物联网将包含大约五百亿台设备。除了庞大的数量外，由于许多边缘设备对通信链路采用极弱甚至无加密，物联网对安全性的需求进一步加剧。据估计，近 70% 的物联网设备不使用任何形式的加密。先前的研究建议使用特定辐射源识别（SEI）这一物理层技术，作为增强诸如加密等比特级安全机制的手段。本文的工作整合了一种基于 Nelder-Mead 的方法，用于在应用被称为 RF-DNA 指纹的 SEI 方法之前估计瑞利衰落信道系数。在信噪比下降的情况下评估了该估计器的性能，并将其与最小二乘和最小均方误差信道估计器进行了比较。此外，本文展示了使用从经过最小均方误差（MMSE）均衡的瑞利衰落信道校正后的接收信号中提取的 RF-DNA 指纹的分类结果。本文还利用由 Gabor 系数的归一化幅度平方和相位响应生成的 RF-DNA 指纹以及两种分类器进行了无线电判别。在分别由两条和五条路径组成的瑞利衰落信道下，对四台 802.11a Wi-Fi 无线电的判别在信噪比为 18 dB 和 21 dB 及以上时，实现了 90% 或更高的平均正确分类率。
引用
@article{arxiv.2005.04184,
title = {Preprint: Using RF-DNA Fingerprints To Classify OFDM Transmitters Under Rayleigh Fading Conditions},
author = {Mohamed Fadul and Donald Reising and T. Daniel Loveless and Abdul Ofoli},
journal= {arXiv preprint arXiv:2005.04184},
year = {2022}
}
备注
13 pages, 14 total figures/images, Currently under review by the IEEE Transactions on Information Forensics and Security