[发明专利]一种基于机器学习的OFDM-PON物理层认证方法

权利要求书

1.一种基于机器学习的OFDM-PON物理层认证方法，其特征在于，该方法具体包括以下步骤：

S1：认证协商：光线路终端OLT通知每个合法光网络单元设备ONU在下轮认证期间需要发送的认证数据；

S2：采集数据：OLT的接收端采集认证数据的OFDM光谱样本，并制作出训练集、验证集和测试集；

S3：数据降维：利用主成分分析算法对光谱样本数据进行预处理；

S4：建立并训练一维卷积神经网络，将降维预处理后的数据集输入神经网络中，用于训练和测试；

S5：身份认证：OLT随机地向下行连接的ONU发起认证，然后ONU立即发送认证数据，用于响应认证。

2.根据权利要求1所述的OFDM-PON物理层认证方法，其特征在于，步骤S1具体包括以下步骤：

S11：每隔一段时间，OFDM-PON通信系统更新下轮认证所需要的认证数据，包括：

OLT通过PON标准协议中的加密算法把认证期间所需要的认证数据进行加密，然后传输给每个合法用户；

对于新加入OFDM-PON网络的合法ONU设备来说，其认证信息能直接由运营商的工作人员现场输入进ONU中；

S12：当ONU接收到OLT关于下轮认证的认证数据后，立即更换存储器内部的认证数据，然后将新的认证数据发送给OLT用于训练和认证。

3.根据权利要求1所述的OFDM-PON物理层认证方法，其特征在于，步骤S2具体包括以下步骤：

S21：OLT的接收模块由光放大器AMP和光谱分析仪OSA组成，该模块用于接收和采集OFDM发射机的光谱数据；

S22：根据上传的时隙间隔，给OFDM光谱数据打上对应合法用户的标签；并从同一批生成的OFDM发射机中挑选若干个作为虚拟的非法ONU用户，将其经过同样长的传输距离，然后用同样的接收模块来采集这部分数据；这部分数据将被打上非法用户的标签，并让其参与到一维神经网络的训练过程，但不参与测试过程；

S23：将步骤S22标签后的数据集按照8:2的方式划为训练集和测试集；再从训练集中划分出10％的样本作为验证集。