用于无监督多层无线指纹识别的Wyner变分自编码器
信息论
2023-08-30 v2 机器学习
math.IT
摘要
无线指纹识别是指利用硬件缺陷和无线信道变化作为签名的一种设备识别方法。除物理层特征外,近期研究表明可通过网络流量(如包长度)在不解密载荷的情况下识别用户行为。受这些结果启发,我们提出一种联合考虑多层签名以提升识别性能的多层指纹识别框架。与以往工作不同,通过利用近期的多视图机器学习范式(即具有多种形式的数据),我们的方法可在无监督情况下对多层特征间共享的设备信息进行聚类。我们的信息论方法可通过直接推导扩展至有监督和半监督设定。在求解所表述的问题时,我们利用变分推断获得紧 surrogate 界以高效优化。在提取共享设备信息时,我们基于Wyner公共信息方法开发了一种算法,与现有方法相比计算复杂度降低。该算法可应用于属于指数族类的数据分布。我们在带有真实世界视频流量和模拟物理层特征的合成数据集上实证评估了该算法。我们的实证结果表明,所提方法在有监督和无监督设定下均优于最先进的基线。
引用
@article{arxiv.2303.15860,
title = {The Wyner Variational Autoencoder for Unsupervised Multi-Layer Wireless Fingerprinting},
author = {Teng-Hui Huang and Thilini Dahanayaka and Kanchana Thilakarathna and Philip H. W. Leong and Hesham El Gamal},
journal= {arXiv preprint arXiv:2303.15860},
year = {2023}
}