传统的基于密码机制和安全协议的无线网络安全存在隐患,新的基于物理层的射频指纹(radio frequency fingerprinting,RFF)方法利用发射机射频信号的细微差异来区分不同个体,具有难以克隆、伪造的优点,有着广阔的应用前景.本文首先讨论了...传统的基于密码机制和安全协议的无线网络安全存在隐患,新的基于物理层的射频指纹(radio frequency fingerprinting,RFF)方法利用发射机射频信号的细微差异来区分不同个体,具有难以克隆、伪造的优点,有着广阔的应用前景.本文首先讨论了理想RFF应具备的四种基本特性,即唯一性、时不变性、独立性和稳健性,分析了在四种基本特性方面的研究现状.然后按照信号预处理、特征提取和分类识别三个部分,对RFF识别相关技术进行了总结,重点分析了射频独特原生属性(RF-distinct native attribute,RF-DNA)、调制域和基于深度学习的RFF识别方法.最后,对RFF识别研究中涉及到的各种信号类型/调制方式及对应的应用场景进行了总结,展示了RFF识别的广阔应用前景,并对RFF识别的研究趋势进行了讨论.展开更多
近年来,利用射频指纹(Radio Frequency Fingerprint,RFF)技术对设备进行识别认证,构建保密通信系统成为研究的热点。相比于传统的认证体制,射频指纹利用设备本身的硬件特性进行识别,具有更高的安全性。与其他射频技术相比,Wi-Fi信号频...近年来,利用射频指纹(Radio Frequency Fingerprint,RFF)技术对设备进行识别认证,构建保密通信系统成为研究的热点。相比于传统的认证体制,射频指纹利用设备本身的硬件特性进行识别,具有更高的安全性。与其他射频技术相比,Wi-Fi信号频谱更宽,应用更加广泛,但也更容易受室内多径干扰,造成对Wi-Fi射频指纹识别率下降的问题。针对这一问题,本文提出一种基于功率谱特征的Wi-Fi射频指纹提取方法,通过计算其信号帧中短导码符号和长导码符号的功率谱比值,并以此比值作为射频指纹特征。本文采用了27台Wi-Fi路由器进行实验,在室内场景中模拟的四个不受外界干扰的相对静止情形以及简单的移动环境中采集数据,运用随机森林模型进行训练和测试,识别率能达到93.3%。理论分析和实验结果表明,本文方法能够较好地抵抗多径效应和加性噪声对射频指纹的影响,即使设备在相对移动的情况下,提取的射频指纹信息也具有较好的稳健性。因此,本文所提的功率谱特征方法在物理层设备认证和身份识别领域具有一定的应用价值。展开更多
文摘传统的基于密码机制和安全协议的无线网络安全存在隐患,新的基于物理层的射频指纹(radio frequency fingerprinting,RFF)方法利用发射机射频信号的细微差异来区分不同个体,具有难以克隆、伪造的优点,有着广阔的应用前景.本文首先讨论了理想RFF应具备的四种基本特性,即唯一性、时不变性、独立性和稳健性,分析了在四种基本特性方面的研究现状.然后按照信号预处理、特征提取和分类识别三个部分,对RFF识别相关技术进行了总结,重点分析了射频独特原生属性(RF-distinct native attribute,RF-DNA)、调制域和基于深度学习的RFF识别方法.最后,对RFF识别研究中涉及到的各种信号类型/调制方式及对应的应用场景进行了总结,展示了RFF识别的广阔应用前景,并对RFF识别的研究趋势进行了讨论.
文摘近年来,利用射频指纹(Radio Frequency Fingerprint,RFF)技术对设备进行识别认证,构建保密通信系统成为研究的热点。相比于传统的认证体制,射频指纹利用设备本身的硬件特性进行识别,具有更高的安全性。与其他射频技术相比,Wi-Fi信号频谱更宽,应用更加广泛,但也更容易受室内多径干扰,造成对Wi-Fi射频指纹识别率下降的问题。针对这一问题,本文提出一种基于功率谱特征的Wi-Fi射频指纹提取方法,通过计算其信号帧中短导码符号和长导码符号的功率谱比值,并以此比值作为射频指纹特征。本文采用了27台Wi-Fi路由器进行实验,在室内场景中模拟的四个不受外界干扰的相对静止情形以及简单的移动环境中采集数据,运用随机森林模型进行训练和测试,识别率能达到93.3%。理论分析和实验结果表明,本文方法能够较好地抵抗多径效应和加性噪声对射频指纹的影响,即使设备在相对移动的情况下,提取的射频指纹信息也具有较好的稳健性。因此,本文所提的功率谱特征方法在物理层设备认证和身份识别领域具有一定的应用价值。
