[发明专利]一种基于多通道卷积神经网络的射频指纹提取与识别方法

说明书

本发明涉及信息安全技术领域，具体的说是设计一种基于多通道卷积神经网络的射频指纹提取与识别方法。包括：(1)采集无线设备的发送信号，并进行预处理；(2)对于每个信号，将信号划分为前瞬态、稳态、尾瞬态部分，分别生成差分星座轨迹图(DifferentialConstellationTraceFigure,DCTF)；(3)将得到的DCTF数据集分为训练集和测试集，利用训练集训练一个多通道卷积神经网络分类器；(4)对于接收到的无线设备发送的信号，利用训练好的多通道卷积神经网络对其进行分类识别。本发明利用信号不同部分的DCTF构建多通道卷积神经网络进行射频指纹提取与识别，避免部分信号特征在DCTF中被淹没并且平衡信号不同部分特征权重，使得识别效果更好，尤其在低信噪比场景下。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种基于多通道卷积神经网络的射频指纹提取与识别方法。

背景技术

无线通信技术已经成为现代生活中不可或缺的一部分。然而，无线通信传输的广播性质使得移动设备更容易受到恶意攻击。射频指纹是移动设备识别和认证的物理层解决方案。由于制造工艺的局限性，电子元件会存在一些小缺陷和瑕疵，这些微小偏差会导致一些信号失真或变形，可利用这些失真或变形来检测传输信号的设备。通过对移动设备的射频指纹提取和识别，增强了无线通信系统的安全性。

与本发明最相近的方案见于文献：S.Wang,L.Peng,H.Fu,A.Hu and X.Zhou,AConvolutional Neural Network-Based RF Fingerprinting Identification Schemefor Mobile Phones,IEEE INFOCOM 2020-IEEE Conference on ComputerCommunications Workshops(INFOCOM WKSHPS),2020,pp.115-120,doi: 10.1109/INFOCOMWKSHPS50562.2020.9163058,其主要思想是通过将整段接收到的信号变换为差分星座轨迹图获得其统计特性，然后利用其训练一个卷积神经网络，最后将接收到的信号输入网络进行识别。

上述方案中，在将整段信号变换为差分星座轨迹图的过程中，忽略了信号的瞬态及稳态部分像素在差分星座轨迹图中的掩盖关系，以及由于信号瞬态与稳态部分的采样点数量差异导致的瞬态部分贡献在差分星座轨迹图中被减少，从而影响了分类识别效果。

缩略语、英文和关键术语定义列表：

1、DCTF:DifferentialConstellationTraceFigure，差分星座轨迹图

2、I/Q信号：In-phase/Quadraturesignal，同相/正交信号

3、USRP：Universal Software Radio Peripheral，通用软件无线电外设

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种基于多通道卷积神经网络的射频指纹提取和识别方法，通过对信号的前瞬态、稳态、尾瞬态部分进行划分并分别生成差分星座轨迹图，继而训练一个多通道卷积神经网络对无线设备进行分类识别。

为了实现上述技术目的，本发明的技术方案为：

基于多通道卷积神经网络的射频指纹提取和识别方法，包括以下步骤：

(1)采集无线设备的发送信号，并进行预处理；

(2)对于每个信号，将信号划分为前瞬态、稳态、尾瞬态部分，分别生成差分星座轨迹图；

(3)将得到的差分星座轨迹图数据集分为训练集和测试集，利用训练集训练一个多通道卷积神经网络分类器；

(4)对于接收到的无线设备发送的信号，利用训练好的多通道卷积神经网络对其进行分类识别。