[发明专利]一种光通信设备指纹特征提取及设备身份识别方法和系统

说明书

本发明公开了一种光通信设备指纹特征提取及设备身份识别方法和系统，首先通过信道噪声模型进行初步的设备指纹特征提取，再通过双层高低频均匀小波分解与重构方法进一步提取设备指纹特征，最后通过神经网络模型进行深层次地特征提取与识别，从而实现对接入的光通信设备的身份识别与认证。本发明提供的方法，能够精确、有效提取出光通信系统中的设备指纹特征。相比于传统的基于密码机制的身份认证方法，本发明提供的方法在光通信物理层中提供了一种无需密码的身份认证方法，具有一定的先进性和有效性，为光通信的安全保障提供了新思路。

技术领域

本发明属于光通信技术领域，更具体地，涉及一种光通信设备指纹特征提取及设备身份识别方法和系统。

背景技术

光通信系统在当前社会已有广泛应用，光通信系统中的安全性问题不可忽视。诸如物理层设备攻击、身份欺骗、通信窃听、通信拦截等各种问题发生在光通信系统中。信息安全技术、密钥安全技术、身份安全技术等技术被提出用于提高光通信系统的安全性。

受启发于生物技术领域的指纹概念，设备指纹技术被提出用于保障通信中的身份安全。设备指纹指信号经过设备时受到源于设备的独特影响。不同的设备个体具有不同的设备指纹。设备指纹隐藏在信号中，利用方法对设备指纹进行提取、识别、分类，便可识别不同的设备，设备指纹技术具有广泛的应用前景。然而，目前光通信系统中的设备指纹提取及识别方法较少，且提取精度有待提高。

由此可见，如何对设备指纹进行精确的提取是当前亟待解决的问题。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种光通信设备指纹特征提取及设备身份识别方法和系统，由此解决当前设备指纹特征提取及识别方法精度不高的技术问题。

为实现上述目的，按照本发明的第一方面，提供了一种光通信设备指纹特征提取及设备身份识别方法，包括：

S101，对光通信设备接收端接收到的信号y(t)进行重构，得到发送端发送的信号x(t)；基于y(t)、x(t)及信道噪声模型，构建设备指纹特征向量

S102，对所述设备指纹特征向量分别进行两层高低频均匀小波分解与重构，获得设备指纹特征矩阵；

S103，将所述设备指纹特征矩阵输入预先训练好的神经网络模型，得到光通信设备的设备身份。

优选地，所述信道噪声模型为：

y(t)＝x(t)×a(t)+b(t)；

其中，a(t)为乘性噪声，b(t)为加性噪声。

优选地，所述对所述设备指纹特征向量分别进行两层高低频均匀小波分解与重构，获得设备指纹特征矩阵，具体为：

分别对设备指纹特征向量进行第一层高低频均匀小波分解与重构，得到第一层重构向量；

分别对第一层重构向量进行第二层高低频均匀小波分解与重构，得到第二层重构向量；

所述第一层重构向量与第二层重构向量共同组成设备指纹特征矩阵。

优选地，分解公式为：

其中，W(j,k)为小波系数，为小波母函数的共轭函数，j为尺度因子，k为平移因子，f(t)为待分解的向量；

重构公式为：

其中，f′(t)为重构向量。

优选地，所述神经网络模型是以设备指纹特征矩阵为样本，以设备身份为标签进行监督训练得到的。