面向低成本物联网设备安全的射频指纹识别
信号处理
2021-11-30 v1
摘要
射频指纹识别（RFFI）可通过分析由固有硬件损伤引起的接收信号失真来唯一分类无线设备。诸如卷积神经网络（CNN）等最先进的深度学习技术已被采用以高精度分类物联网设备。然而，基于深度学习的RFFI需要固定大小的输入数据。此外，许多物联网设备在低信噪比（SNR）场景下工作，但低SNR的RFFI很少被研究。在本文中，使用最先进的transformer模型作为分类器，其可处理变长信号。采用数据增强来改善低SNR RFFI性能。进一步提出了多包推理方法以提高低SNR场景下的分类准确率。我们以LoRa为例，通过分类10个商用现货LoRa设备在各种SNR条件下评估该系统。在线增强可将低SNR RFFI性能提升高达50%，多包推理可进一步将其提高超过20%。
引用
@article{arxiv.2111.14275,
title = {Radio Frequency Fingerprint Identification for Security in Low-Cost IoT Devices},
author = {Guanxiong Shen and Junqing Zhang and Alan Marshall and Mikko Valkama and Joseph Cavallaro},
journal= {arXiv preprint arXiv:2111.14275},
year = {2021}
}
备注
Asilomar 2021