SignCRF:可扩展的信道无关数据驱动无线电认证系统
密码学与安全
2023-03-24 v1 人工智能
机器学习
网络与互联网体系结构
摘要
通过深度学习的射频指纹识别(RFFDL)是一种数据驱动的物联网认证技术,其利用与特定设备相关的独特硬件级制造缺陷,基于发射波形中引入的变异来识别(指纹)该设备。所提出的 SignCRF 是一个可扩展、信道无关、数据驱动的无线电认证平台,基于设备独特的制造损伤对其无线设备进行指纹识别,具有无与伦比的精度,且独立于由移动性引起的动态信道不规则性。SignCRF 由以下组成:(i) 一个基线分类器,经过精细训练以高准确度大规模认证设备;(ii) 一个环境转换器,经过精心设计训练以从 RF 信号中去除动态信道影响,同时保持无线电的特定签名;(iii) 一个最大规则模块,为每个无线电在基线分类器与环境转换器之间选择精度最高的认证技术。我们为多种技术在动态环境及大规模下(100 个 LoRa 与 20 个 WiFi 设备)设计、训练并验证了 SignCRF 的性能。我们证明,与最先进技术相比,SignCRF 显著提升了 RFFDL 性能,对 WiFi 与 LoRa 设备的正确认证分别实现了高达 5 倍与 8 倍的改进。
引用
@article{arxiv.2303.12811,
title = {SignCRF: Scalable Channel-agnostic Data-driven Radio Authentication System},
author = {Amani Al-shawabka and Philip Pietraski and Sudhir B Pattar and Pedram Johari and Tommaso Melodia},
journal= {arXiv preprint arXiv:2303.12811},
year = {2023}
}
备注
11 pages, 13 figures, 3 tables