脉冲神经网络：物理层身份验证的低功耗解决方案
机器学习
2025-05-20 v1
摘要
深度学习（DL）是解决复杂问题的强大工具，因而自然可被用于增强无线通信安全。然而，在无线网络边缘设备上部署 DL 模型面临计算和能源资源显著挑战。值得注意的是，脉冲神经网络（SNN）在功耗方面具有效率优势，因而可作为边缘设备上 DL 模型的替代平台。本研究询问 SNN 是否可用于物理层身份验证。我们的评估表明，SNN 能够学习 RF 发射器的独特物理特性（即"指纹"），并用于识别单个设备。此外，我们发现 SNN 同样易受对抗攻击，同时可通过自编码器清除对抗扰动来增强其抗攻击能力。
引用
@article{arxiv.2505.12647,
title = {Spiking Neural Network: a low power solution for physical layer authentication},
author = {Jung Hoon Lee and Sujith Vijayan},
journal= {arXiv preprint arXiv:2505.12647},
year = {2025}
}
备注
11 pages, 7 figures and 2 pages