本技术涉及一种结合射频指纹和孪生网络技术的发射机认证与识别方法及系统,旨在提升无线通信系统的物理层安全防护。该方法通过构建基于原始基带接收信号的训练集来实现发射机的高效认证与识别。
背景技术
随着卫星互联网、物联网、车联网等新型通信场景的出现,无线网络的规模、设备接入数量也急剧增大。大量低成本的终端设备在生产、生活中广泛部署,并通过网络进行大规模互联。终端的广泛部署在方便了生产生活的同时也由于无线信道的开放性带来了更严峻的安全挑战。因此,接入设备身份的认证对于保护隐私、机密信息,保障通信安全显得格外重要。
在物联网等新兴应用场景中,终端具有数量多、成本低、计算能力有限、硬件资源受限四个方面的特点。传统的设备身份认证通常利用上层基于密钥编解码的方式实现。这种方式通过使攻击者不能在有效时间内完成解密而进行安全保障。然而,当攻击者计算能力较强时密钥容易被破解。同时,密钥的分发、管理、共享过程复杂。上层的复杂操作导致了较高的复杂度,而密钥的共享和管理则导致了更高的成本,例如,存储过多密钥的成本以及防御频繁交换密钥的窃听攻击的成本。传统的设备认证方案与当下终端的特点形成矛盾。因此,需要寻求具有更高准确率、低复杂度的身份认证方案。物理层认证是从无线信号传播链路的物理特性或者无线设备自身的结构特点出发研究无线通信设备接入认证安全的技术。由于其低复杂度、高准确率的特性正作为上层认证方案的有效补充被广泛研究。
目前已有一些利用机器学习、深度学习算法进行物理层认证的研究,例如,已有利用时域IQ样本、频域快速傅里叶变换的结果和时频域谱图作为输入,送进多层感知器、长短期记忆网络和卷积神经网络三种深度学习网络进行特征提取与分类的方案;已有对接收的I/Q信号进行多采样率重采样后送入CNN中进行分类识别的方案。卫星场景下的物理层认证也有利用ResNet18网络对低轨卫星的IQ数据进行识别分类的方案。接收机对于接收信号首先需要进行异常检测以对合法设备进行认证,判断接收信号是来自训练集中已有的合法发射机还是来自新的攻击设备。若通过了身份认证之后再进行识别分类,判断接收信号具体来自于哪个合法发射机。然而,上述已有的方案都缺少对于接收信号的异常检测和认证步骤。
实现思路