基于统计与机器学习的物理层认证决策技术
密码学与安全
2019-09-19 v1 机器学习
摘要
本文评估了在无密钥物理层认证方案中，时变衰落信道下的安全性能，考虑了接收端部分及无信道状态信息（CSI）两种情况。我们首先给出了先前针对平坦衰落信道提出的知名协议的推广，并研究了不同的统计决策方法以及相应的最优攻击策略，以改进所考虑场景中的认证性能。随后我们在同一设定下考虑机器学习技术的应用，利用不同的一类最近邻（OCNN）分类算法。我们观察到，在相同的虚警概率下，当主信道与敌手信道间空间相关性较低时，一类分类（OCC）算法取得最低的漏检概率；而当两信道间空间相关性较高时，统计方法更具优势。
引用
@article{arxiv.1909.07969,
title = {Statistical and Machine Learning-based Decision Techniques for Physical Layer Authentication},
author = {Linda Senigagliesi and Marco Baldi and Ennio Gambi},
journal= {arXiv preprint arXiv:1909.07969},
year = {2019}
}
备注
To be presented at IEEE Globecom 2019