面向认知无线电网络中设备指纹识别的迁移学习
密码学与安全
2015-08-27 v1
摘要
主用户模拟（PUE）攻击是认知无线电（CR）网络面临的一种新兴威胁，恶意用户在该攻击中模仿主用户（PU）信号以限制次用户（SU）的接入。确定设备身份是必须克服的关键技术挑战，以遏制 PUE 攻击的威胁。通常，PUE 攻击的检测是通过检查系统中所有设备发出的信号，然后利用这些信号为每个设备形成唯一的指纹来完成的。当前的检测和指纹识别方法需要满足特定条件才能有效检测攻击者。这些条件包括需要为用户提供充足的指纹数据，或者攻击者和受害 PU 必须存在于同一时间范围内。这些条件是必要的，因为当前的方法缺乏随时间学习 SU 和 PU 行为的能力。本文提出了一种新颖的迁移学习（TL）方法，将关于 PU 和 SU 的抽象知识从过去的时间帧转移到未来时间帧以改进检测过程。所提出的方法在每个时间帧提取环境的高层表示。这些高层信息被积累以形成抽象知识数据库。然后，CR 系统利用该数据库准确检测 PUE 攻击，即使在当前时间帧可用的指纹数据不足。所提出方法的动态结构利用最终检测决策来更新抽象知识数据库，以供未来运行使用。仿真结果表明，当过去知识与当前环境信号之间仅有 10% 的相关信息时，所提出的方法仍能平均提升 3.5% 的性能。
引用
@article{arxiv.1508.06614,
title = {Transfer Learning for Device Fingerprinting with Application to Cognitive Radio Networks},
author = {Yaman Sharaf-Dabbagh and Walid Saad},
journal= {arXiv preprint arXiv:1508.06614},
year = {2015}
}
备注
6 pages, 3 figures, in Proceedings of IEEE 26th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), Hong Kong, P.R. China, Aug. 2015