面向信道鲁棒与接收方独立的无线电频率指纹识别
密码学与安全
2025-12-16 v1
摘要
无线电频率指纹识别 (RFFI) 是一种用于验证物联网 (IoT) 设备的方法。RFFI 利用利用固有且唯一的硬件缺陷进行分类 IoT 设备。深度学习方法的 RFFI 显示出卓越的性能。然而，仍存在研究挑战，如受限的公开训练数据集以及信道和接收效应的影响。在本文中，我们提出一种三阶段 RFFI 方法，涉及对比学习增强的预训练、基于 Siamese 网络的分类网络训练和推理。具体而言，我们采用频谱图作为信号表示，以分离发射器缺陷与信道效应和接收器缺陷。我们提出一种无监督对比学习方法，用于预训练一个信道鲁棒的 RFF 提取器。此外，Siamese 网络方案通过数据增强和对比损失得到增强，能够同时减轻信道和接收器缺陷的影响。我们使用三个公开的 LoRa 数据集和一个自采集的 LoRa 数据集进行了全面实验评估。结果表明，我们的方法能够有效且同时减轻信道和接收器缺陷的影响。我们还展示了预训练显著减少所需的微调数据。我们提出的方法在动态非直线视野 (NLOS) 场景下，当每个设备仅有 20 个数据包时，即可实现 90% 以上的准确率。
关键词
引用
@article{arxiv.2512.12070,
title = {Towards Channel-Robust and Receiver-Independent Radio Frequency Fingerprint Identification},
author = {Jie Ma and Junqing Zhang and Guanxiong Shen and Linning Peng and Alan Marshall},
journal= {arXiv preprint arXiv:2512.12070},
year = {2025}
}