[发明专利]一种基于机器学习的物理层信道认证方法

说明书

本发明公开了一种基于机器学习的物理层信道认证方法，包括以下步骤：S1.接收机B对合法信息发送者A和模拟非法信息发送者E进行信息包的信道信息(CSI)采集；S2.接收机B对合法信息发送者A和模拟非法信息发送者E的信息包信道信息进行预处理；S3.接收机B生成二分类的训练数据集；S4.接收机B采用机器学习算法中的分类算法，根据二分类的训练数据集进行训练，生成分类器；S5.接收机B利用分类器对收到的信息包进行是合法者还是非法者的判断，以实现对信息包的认证。本发明提供了一种基于机器学习的物理层信道认证方法，适用于资源受限的认证设备和场景，具有计算复杂度低、认证准确率高的优势。

技术领域

本发明涉及物理层信道认证，尤其是基于机器学习的物理层信道认证。

背景技术

在未来无线通信系统中，微型终端设备涌入到无线网络中的数量将会成指数倍增长。微型终端在接入无线网络过程中，需要建立安全接入认证等安全措施。但是，目前，传统接入认证主要是基于密码技术，微型终端设备是多种多样的，有的很单一，比如可穿戴设备、简易的物联网终端等无法提供复杂的计算资源，边缘计算节点具有一定的数据处理和存储能力，非对称资源之间进行接入认证难以大规模使用传统基于密码的认证方案。

物理层信道认证利用无线信道信息的空时唯一性，通过比较连续帧之间的信道信息相似性来判断用户身份信息。物理层信道认证直接利用信道信息，无需复杂的上层加密运算，具有快速、高效的优势，十分适用于资源受限的微型终端。但是，实际无线环境中物理层认证的门限难以获取和确定，从而影响了认证准确率，即使可以人工遍历门限，但是效率低下且认证准确率也低。

例如，二元假设法对物理层进行认证的方案如下：设接收机B已经认证了第k个数据帧的来源于合法信息发送者A，提取的信道信息是第k+1个数据帧的发送者还是未知的，其信道信息为二元假设检验为：

零假设表示第k+1个数据帧与第k个数据帧来源相同，为合法信息发送者A；

备择假设表示第k+1个数据帧的第k个数据帧来源不同，为模拟非法信息发送者E。

保证连续数据帧之间的最大时间差在相干时间以内是认证进行的前提。

受噪声和ICI的影响，以及信道估计算法本身的估计误差，实际得到的信道信息的估计值和分别可以表示为：

其中，N_k和N_k+1同为独立同分布的复高斯噪声，并且服从N(0,σ²)分布。所以，直接运用信道信息进行假设检验，需要考虑噪声变量影响，增加认证复杂度。由于N_k和N_k+1具有同样的统计特性，信道信息的“差值”可以消除噪声变量的影响。物理层认证转化成了信道信息“差值”和设定的门限值之间的比较，上式可以表示为：

零假设当前后连续数据帧的信道信息“差值”小于门限值时，发送者身份合法；

备择假设当前后连续数据帧的信道信息“差值”大于门限值时，发送者身份非法。

上式中可以看出，物理层认证实际就是信道信息“差值”和认证门限之间的比较，所以信道信息“差值”和认证门限是物理层认证的关键所在。

检验统计量T可以计算信道信息“差值”，最常见的检验统计量为基于幅度的检验统计量Τ_A，在OFDM系统中，子载波幅度间存在差异，这种差异可以用来对通信者身份进行认证。连续两个数据帧信道信息为和均包含N_s个频域信道矩阵是N维方阵的OFDM符号，其中第m(1≤m≤N)行n(1≤n≤N)列元素的相位偏移为：