[发明专利]一种基于记忆的5G物理层安全鉴权方法

说明书

本发明公开了一种基于记忆的5G物理层安全鉴权方法，使用改进的禁忌搜索算法来寻找5G大规模天线阵列支持向量机模型的最优初始化解，利用最优初始解训练模型；执行物理层鉴权过程中区分合法和非法用户，包括对训练模型的更新。本发明充分考虑了禁忌搜索算法对初始解的依赖性，在保证较高的鉴权准确率的同时也在一定程度上提高了算法的收敛率；本发明适用于在5G大规模天线阵列系统中的物理层用户信息数据合法性鉴权，提升系统安全性。

技术领域

本发明属于5G大规模天线阵列物理层安全领域，具体涉及一种基于记忆的5G物理层安全鉴权方法。

背景技术

在日益增长和日趋复杂的信息传输需求驱动下，新一代移动通信系统技术应运而生，即第五代移动通信系统(5G)，以更好应对未来移动数据业务海量增长、大规模节点接入以及超高可靠低延时的传输指标要求。

其中，大规模天线阵列技术在众多备选关键技术脱颖而出。基于大规模MIMO技术提供的传输特性，如丰富的空间自由度，利用多用户下行信号的相互协作可以对窃听者造成叠加干扰，带来了天然的物理层安全传输增益。在传统的无线传输中，为了保障信息传输的安全性，通常是在开放互联系统的物理层以外的上层协议来实现，但是由于实际的无线信道传输链路层的复杂性以及不稳定性，使得传统的加密或者认证方式中密钥本身的传输安全也难以保障，特别是无线通信媒介的开放性，电磁波扩散传播使得合法和非法用户都能收到信号，给非法用户的窃听或攻击提供了可趁之机，严重影响着无线系统的信息传输安全性。基于此，利用无线通信物理层来实现高效率地安全传输信息，开始得到了大家的重视。大规模天线阵列物理层的差异性为我们研究物理层安全传输提供了新的思路，为了得到合理可靠的数据，达到安全监控和用户鉴权的目的，并利用从大规模天线阵列系统中收集的数据并进行有效抉择，必须对物理层信息进行鉴权。

针对大规模MIMO系统中物理层鉴权问题，国内外学者已经在过去的十几年里有了诸多研究成果。有的学者提出在基站配备大规模天线阵列后，可以产生波束覆盖范围很大的强功率人工噪声，利用直方图方法有效抑制被动窃听者的信息，大幅提升安全速率。也有些学者使用机器学习中的相关算法进行鉴权，提出使用经典核函数方法对节点用户信息进行分类来识别合法用户。

支持向量机是一种基于分类的机器学习算法，在传统基于和函数的支持向量机方法中，需要对核函数参数调整训练样本，而在5g大规模天线阵列的物理层用户信息鉴权中无法事先对训练样本集核函数参数选择，所以禁忌搜索支持向量机作为一种记忆装置技术，更适合在这样的场景中。与将核函数为基准的鉴权判别式相比，禁忌搜索算法不使用交叉验证来选取最优参数解决鉴权问题，算法更容易实现。相关的算法已经提出很多，都是在禁忌搜索SVM的基础上实现的，但是这些方法的准确率仍有进步的空间。

发明内容

发明目的：本发明的目的在于解决5g大规模天线阵列系统物理层用户信息的鉴权准确率达不到期望水平的问题，为此提供一种基于记忆的5G物理层安全鉴权方法，可以大大提高系统的安全性。

发明内容：本发明提供一种基于记忆的5G物理层安全鉴权方法，具体包括以下步骤：

(1)使用改进的禁忌搜索算法寻找5G大规模天线阵列支持向量模型的优化初始解；

(2)利用优化初始解优化训练超平面支持向量机模型；

(3)执行物理层鉴权过程区分合法和非法用户。

进一步地，所述步骤(1)包括以下步骤：

(11)采用一种带有初始解节约算法的方法，即初始解随节点回路的最佳回路路线费用在规定范围内改变：路线费用节约值越大，算法全局搜索效果越明显；费用节约值越小，算法局部搜索效果更佳；

(12)目标函数为节点连接在一条线路的节约值：