[发明专利]5G边缘计算下基于深度学习的提高安全认证的方法

权利要求书

1.5G边缘计算下基于深度学习的提高安全认证的方法，其特征在于，包括以下步骤：

S1.采集个通信节点的初始信道指纹矩阵，其中，，表示采集通信节点k的初始信道指纹矩阵数量的最大值，是一个维度为的复数矩阵，，表示子载波数，表示发射天线的数量，n表示接收天线的数量；

S2.分别提取初始信道指纹矩阵的实部和虚部，生成初始实数信道指纹矩阵，；

S3.给每个初始实数信道指纹矩阵一个对应的标签，生成初始训练样本集；

（3）

S4.对初始训练样本集进行随机权重数据增强处理：

选取个初始实数信道指纹矩阵参与构造第个新的实数信道指纹矩阵：

（6）

其中，是一个正整数并且；；表示从初始实数信道指纹矩阵中选取通信节点k的第i个初始实数信道指纹矩阵，；表示随机权重值并且；

给每个新的实数信道指纹矩阵一个对应的标签，得到第k个通信节点的随机权重数据增强样本集；结合第k个通信节点的随机权重数据增强样本集和初始训练样本集，构成第k个通信节点的新的训练样本集；

S5.重复步骤S4，通过对所有通信节点的初始训练样本集进行数据增强处理，并更新对应的标签，得到新的训练数据样本集；

S6.通过新的训练数据样本集去训练网络模型，从而得到训练好的物理层信道指纹认证模型；

S7.将未知信道指纹输入步骤S6的物理层信道指纹认证模型，根据输出结果完成对未知信道指纹的认证识别。

2.如权利要求1所述的5G边缘计算下基于深度学习的提高安全认证的方法，其特征在于，所述步骤S4中，将随机权重数据增强方法替换为分块交换数据增强方法：

将实数信道指纹矩阵按行平均分成两块，得到上半分块元素矩阵和下半分块元素矩阵；或者按列平均分成两块，得到左半分块元素矩阵和右半分块元素矩阵；

将相邻个实数信道指纹矩阵的分块元素分别进行同位置交换，如公式（12）或公式（13）所示，生成新的信道指纹矩阵：

（12）

（13）

其中，，，， 表示一个正整数且；

给每个新的信道指纹矩阵一个对应的标签，得到第k个通信节点的分块交换数据增强样本集；结合第k个通信节点的分块交换数据增强样本集和初始训练样本集，构成第k个通信节点的新的训练样本集。

3.如权利要求1或2所述的5G边缘计算下基于深度学习的提高安全认证的方法，其特征在于，步骤S6中的网络模型包括机器学习算法或神经网络算法。

4.如权利要求3所述的5G边缘计算下基于深度学习的提高安全认证的方法，其特征在于，所述机器学习算法包括支持向量机算法、K最近邻算法和分类树算法；所述神经网络算法包括逻辑回归算法、浅层神经网络算法、深度神经网络算法、卷积神经网络算法和循环神经网络算法。

5.如权利要求1或2所述的5G边缘计算下基于深度学习的提高安全认证的方法，其特征在于，所述标签采用独热码表示。