CN109145889A - 一种针对无线信号进行盲估计的明密文信号分类检测方法 - Google Patents
一种针对无线信号进行盲估计的明密文信号分类检测方法 Download PDFInfo
- Publication number
- CN109145889A CN109145889A CN201811298712.0A CN201811298712A CN109145889A CN 109145889 A CN109145889 A CN 109145889A CN 201811298712 A CN201811298712 A CN 201811298712A CN 109145889 A CN109145889 A CN 109145889A
- Authority
- CN
- China
- Prior art keywords
- signal
- ciphertext
- phase
- wireless
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/18—Phase-modulated carrier systems, i.e. using phase-shift keying
- H04L27/20—Modulator circuits; Transmitter circuits
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种针对无线信号进行盲估计的明密文信号分类检测方法,在已知无线明文、密文状态的情况下,分别提取出明文信号特征与密文信号特征,将明文信号特征与密文信号特征作为训练集,将检测到的无线信号相位统计特征值作为测试集,输入支持矢量机进行特征训练与分类判决。与现有技术相比,本发明的积极效果是:本发明针对无线网络电磁信号安全性检测问题,提出了一种新型无线信号密文安全性检测方法,解决了非解调、非解码条件下的基于无线信号调制相位统计特性的盲识别分类问题。本发明针对明文\密文信号检测分类识别性能好,可靠性高,成本低,使用方便,可以高效应对各种无线网络通信环境中的密文信号安全性分析需求。
Description
技术领域
本发明属于无线网络电磁信号安全检测技术领域,具体涉及一种针对无线信号进行盲估计的明密文信号分类检测方法。
背景技术
随着信息技术的发展,无线网络的规模和复杂程度不断增加,无线网络己覆盖到人们工作生活的各个方面,网络安全问题也日益凸显,特别是无线网络因其具有开放性、移动性和网络拓朴动态可变性等,使得无线网络安全性成为人们非常关切的问题。
在无线通信系统中,为确保各类应用信息的安全,一般都采用加密算法对报文信息进行加密保护。当有加密需求时,采用一定的加密算法,对明文(待加密的消息)进行加密处理产生密文(被加密以后的消息),然后利用无线信道将密文发送出去,实现信息的加密传输。如果加密模块工作状态不正常未能对用户信息有效加密,用户的明文信息没有被加密就发送出去,就有可能导致信息泄露,或由于加密设备的设计缺陷、误操作、设备故障等原因导致的信息泄露。
目前对密文的检测方法是对密文进行解调、解码,还原成比特序列,对比特序列本身以及统计特性(如:均衡性、游程分布特性、自相关性、信息熵等)进行分析,从而进行明文和密文的分类识别监测。针对无线网络终端的型号多、通信体制不统一、调制模式多等现状,在未知无线信号通信协议的情况下,对无线信号进行解调、解码、还原成比特流数据是较困难的,急需要针对无线信号进行盲估计的明文、密文信号分类检测方法。
发明内容
为了克服现有技术的上述缺点,本发明提供了一种针对无线信号进行盲估计的明密文信号分类检测方法。
本发明解决其技术问题所采用的技术方案是:一种针对无线信号进行盲估计的明密文信号分类检测方法,在已知无线明文、密文状态的情况下,分别提取出明文信号特征与密文信号特征,将明文信号特征与密文信号特征作为训练集,将检测到的无线信号相位统计特征值作为测试集,输入支持矢量机进行特征训练与分类判决。
与现有技术相比,本发明的积极效果是:本发明针对无线网络电磁信号安全性检测问题,提出了一种新型无线信号密文安全性检测方法,解决了非解调、非解码条件下的基于无线信号调制相位统计特性的盲识别分类问题。本发明针对明文\密文信号检测分类识别性能好,可靠性高,成本低,使用方便,可以高效应对各种无线网络通信环境中的密文信号安全性分析需求。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1为均匀分布字符串序列经过DES算法加密前后其调制信号相位峰度特征值;
图2为实测明文\密文信号的统计特性图;
图3为本发明方法的工作流程图。
具体实施方式
本发明是在获取无线信号后,不需要对其进行解调、解码和还原成比特流数据,直接提取无线网络信号的基带相位信息,根据相位变化的统计规律,提取无线信号相位变化的统计特征,然后采用非解调、非解码的无线信号统计特性盲识别方法,提取无线信号相位的统计特征,再利用基于机器学习的分类方法分类识别。
为解决上述问题,本发明采用的技术原理及方案如下:
无线明、密信号相位分布偏离高斯分布的程度是有区别的,无线密信号经过了信源编码、加密、信道编码、交织、调制、跳扩频等一系列运算,其调制信号相位的随机特性更接近正态分布,而明文信号只经过了扰码、信道编码、交织、调制、跳扩频等运算,其调制信号相位的随机特性与密文信号的特性相比是有差异的。因此基于高阶矩估计的统计特性可能作为无线信号明文、密文序列微弱特征的一个判决依据。
明密文信号相位峰度特征值
信源是一组由数字、大小写英文字母组成的均匀分布字符串:
“9DjTgh6aA4Il3Avgu3hkMFReJ1……”。
该字符串经过DES(Data Encryption Standard)算法加密,得到加密后的字符串。将加密后的字符串和未加密的字符串,转换为‘0’、‘1’比特,经过QPSK调制,得到两组QPSK调制信号。每次分别取上述调制信号中的200万个星座点计算一个相位峰度特征值。两组QPSK调制信号的相位峰度特征值如图1所示,从图中可以看出均匀分布字符串序列经过DES算法加密后其调制信号相位峰度特征值与未加密字符串序列具有明显的区别。
在已知无线明文、密文状态的情况下,分别提取出明文信号特征与密文信号特征,将一定量的明/密文特征构造特征库,用于训练支持矢量机网络参数。实测明文\密文信号的统计特性如图2所示,其统计值具有较好的聚类特性,有利于明文、密文信号的分类。
运用支持矢量机(SVM)分类器进行特征训练与分类:利用SVM分类器,对未知状态信号进行分类识别。SVM分类器的输入为两大部分,训练集与测试集,训练集为一定量的明/密文特征集合,测试集为检测到的无线信号相位统计特征值。训练集输入到SVM网络,计算出最优超平面;测试集送入训练所得的网络模型,可以得到相对于分类超平面的距离,即分类判决值,然后对无线信号的明文、密文状态做出判决。
一种针对无线信号进行盲估计的明密文信号分类检测方法,其工作流程如图3所示,主要分为支持矢量机训练和支持矢量机分类判决两个阶段。
(一)支持矢量机训练阶段:
(1)采集无线明文\密文信号。用接收机采集无线明文\密文信号,接收机完成射频信号接收后将射频信号下变频为基带I/Q信号并保存在硬盘中。
(2)信号预处理:从采集的信号中提取有用信号(过滤掉无用信号的噪声时隙),将有用信号拼接成I/Q数据序列,根据信号带宽对I/Q信号进行低通滤波和抽取。抽取倍数满足如下条件:
抽取倍数=采样频率/信号符号速率
然后计算调制信号相位;
再计算出相邻两个符号间的相位差(差分相位反映了调制信号符号间相位变化的剧烈程度):
diff_phase=phasei+1-phasei
(3)根据调制信号差分相位计算相位峰度统计特征值;
按照下式计算差分相位(diff_phase)的峰度特征值(其中为diff_phase的均值)。
相位峰度特征值属于高阶统计量,需要较多的信号相位采样值,本方法采用200万个相位采样值计算出一个峰度特征值。
(4)训练支持矢量机
将明文\密文信号的峰度特征值(明密各500个)构成训练样本和标签,送入支持矢量机进行有监督学习,学习完成后得到特征分类网络模型参数。
(5)该方法利用空中采集的无线信号计算相位峰度特征值,避免了传统的无线信号明密分析中采用的一系列解调、解码、协议解析等分析过程,简化了明密分类过程。
(二)支持矢量机分类判决阶段
(1)采集明文\密文信号;
(2)信号预处理及计算调制信号差分相位;
(3)计算调制信号相位峰度特征值;
(4)将测试信号的峰度特征值送入训练得到的支持矢量机网络模型参数,计算获得明文\密文信号分类判决值,判决输出明文\密文信号状态。
Claims (8)
1.一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:在已知无线明文、密文状态的情况下,分别提取出明文信号特征与密文信号特征,将明文信号特征与密文信号特征作为训练集,将检测到的无线信号相位统计特征值作为测试集,输入支持矢量机进行特征训练与分类判决。
2.根据权利要求1所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:所述支持矢量机进行特征训练的方法为:
(1)采集训练集样本;
(2)对训练信号进行预处理;
(3)计算差分相位的峰度统计特征值;
(4)训练支持矢量机。
3.根据权利要求2所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:采集训练集样本的方法为:用接收机采集无线明文\密文信号,接收机完成射频信号接收后将射频信号下变频为基带I/Q信号并保存在硬盘中。
4.根据权利要求3所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:对信号进行预处理的方法为:从采集的信号中提取有用信号,过滤掉无用信号的噪声时隙;然后将有用信号拼接成I/Q数据序列,根据信号带宽对I/Q信号进行低通滤波和抽取,最后利用如下公式计算调制信号相位:
5.根据权利要求4所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:计算差分相位峰度统计特征值的方法为:
(1)计算相邻两个符号间的相位差:diff_phase=phasei+1-phasei;
(2)按如下公式计算差分相位的峰度特征值:
其中为diff_phase的均值。
6.根据权利要求5所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:训练支持矢量机的方法为:将明文\密文信号的峰度特征值各500个构成训练样本和标签,送入支持矢量机进行有监督学习,学习完成后得到特征分类网络模型参数。
7.根据权利要求6所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:所述支持矢量机进行分类判决的方法为:
(1)采集测试集样本;
(2)对测试信号进行预处理并计算调制信号差分相位;
(3)计算差分相位的峰度统计特征值;
(4)将测试信号的峰度特征值送入训练得到的特征分类网络模型参数,计算获得明文\密文信号分类判决值,判决输出明文\密文信号状态。
8.根据权利要求7所述的一种针对无线信号进行盲估计的明密文信号分类检测方法,其特征在于:所述分类判决值的计算方法为:将训练集输入到支持矢量机网络,计算出最优超平面;将测试集输入训练所得的网络模型,得到相对于分类超平面的距离,即为分类判决值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811298712.0A CN109145889B (zh) | 2018-11-02 | 2018-11-02 | 一种针对无线信号进行盲估计的明密文信号分类检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811298712.0A CN109145889B (zh) | 2018-11-02 | 2018-11-02 | 一种针对无线信号进行盲估计的明密文信号分类检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109145889A true CN109145889A (zh) | 2019-01-04 |
CN109145889B CN109145889B (zh) | 2022-03-18 |
Family
ID=64807264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811298712.0A Active CN109145889B (zh) | 2018-11-02 | 2018-11-02 | 一种针对无线信号进行盲估计的明密文信号分类检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109145889B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728175A (zh) * | 2019-08-30 | 2020-01-24 | 中国电子科技网络信息安全有限公司 | 一种用于无线网络的电磁信号红黑识别装置与识别方法 |
CN110852200A (zh) * | 2019-10-28 | 2020-02-28 | 华中科技大学 | 一种非接触式人体动作检测方法 |
CN114676729A (zh) * | 2022-03-28 | 2022-06-28 | 清华大学 | 时分复用信号的分接方法、装置、设备及存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136715A1 (en) * | 2004-12-22 | 2006-06-22 | Kyeong Soo Han | MAC security entity for link security entity and transmitting and receiving method therefor |
CN101308542A (zh) * | 2008-06-26 | 2008-11-19 | 西南交通大学 | 基于Log-Gabor混合滤波相位特征加密的高精度掌纹安全识别方法 |
CN101582772A (zh) * | 2008-05-13 | 2009-11-18 | 李晓东 | 一种安全口令认证设备 |
US20100067698A1 (en) * | 2008-09-10 | 2010-03-18 | Lg Electronics Inc. | Method for selectively encrypting control signal |
CN102891999A (zh) * | 2012-09-26 | 2013-01-23 | 南昌大学 | 一种基于压缩感知的联合图像压缩/加密方法 |
CN104009836A (zh) * | 2014-05-26 | 2014-08-27 | 南京泰锐斯通信科技有限公司 | 加密数据检测方法和系统 |
CN105512518A (zh) * | 2015-11-30 | 2016-04-20 | 中国电子科技集团公司第三十研究所 | 一种基于唯密文的密码算法识别方法和系统 |
CN106022360A (zh) * | 2016-05-11 | 2016-10-12 | 蒋林智 | 一种统计学习中基于密文的数据二分类方法 |
US20170093807A1 (en) * | 2015-09-28 | 2017-03-30 | At&T Intellectual Property I, Lp | Method and apparatus for encryption of communications over a network |
CN107045627A (zh) * | 2017-03-22 | 2017-08-15 | 海南大学 | 一种基于密文域的加密人脸识别方法 |
CN107545390A (zh) * | 2017-09-06 | 2018-01-05 | 中国科学技术大学 | 信息隐藏方法、装置及物流实现方法、装置及系统 |
CN107995626A (zh) * | 2017-12-04 | 2018-05-04 | 锐捷网络股份有限公司 | 一种用于识别无线局域网中wifi信号安全类别的方法和装置 |
CN108282328A (zh) * | 2018-02-02 | 2018-07-13 | 沈阳航空航天大学 | 一种基于同态加密的密文统计方法 |
-
2018
- 2018-11-02 CN CN201811298712.0A patent/CN109145889B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136715A1 (en) * | 2004-12-22 | 2006-06-22 | Kyeong Soo Han | MAC security entity for link security entity and transmitting and receiving method therefor |
CN101582772A (zh) * | 2008-05-13 | 2009-11-18 | 李晓东 | 一种安全口令认证设备 |
CN101308542A (zh) * | 2008-06-26 | 2008-11-19 | 西南交通大学 | 基于Log-Gabor混合滤波相位特征加密的高精度掌纹安全识别方法 |
US20100067698A1 (en) * | 2008-09-10 | 2010-03-18 | Lg Electronics Inc. | Method for selectively encrypting control signal |
CN102891999A (zh) * | 2012-09-26 | 2013-01-23 | 南昌大学 | 一种基于压缩感知的联合图像压缩/加密方法 |
CN104009836A (zh) * | 2014-05-26 | 2014-08-27 | 南京泰锐斯通信科技有限公司 | 加密数据检测方法和系统 |
US20170093807A1 (en) * | 2015-09-28 | 2017-03-30 | At&T Intellectual Property I, Lp | Method and apparatus for encryption of communications over a network |
CN105512518A (zh) * | 2015-11-30 | 2016-04-20 | 中国电子科技集团公司第三十研究所 | 一种基于唯密文的密码算法识别方法和系统 |
CN106022360A (zh) * | 2016-05-11 | 2016-10-12 | 蒋林智 | 一种统计学习中基于密文的数据二分类方法 |
CN107045627A (zh) * | 2017-03-22 | 2017-08-15 | 海南大学 | 一种基于密文域的加密人脸识别方法 |
CN107545390A (zh) * | 2017-09-06 | 2018-01-05 | 中国科学技术大学 | 信息隐藏方法、装置及物流实现方法、装置及系统 |
CN107995626A (zh) * | 2017-12-04 | 2018-05-04 | 锐捷网络股份有限公司 | 一种用于识别无线局域网中wifi信号安全类别的方法和装置 |
CN108282328A (zh) * | 2018-02-02 | 2018-07-13 | 沈阳航空航天大学 | 一种基于同态加密的密文统计方法 |
Non-Patent Citations (4)
Title |
---|
RAPHAEL BOST等: "Machine Learning Classification over Encrypted Data", 《NDSS SYMPOSIUM 2015》 * |
XIN JIN等: "An Invertible and Anti-Chosen Plaintext Attack Image Encryption Method based on DNA Encoding and Chaotic Mapping", 《2015 CHINESE AUTOMATION CONGRESS (CAC)》 * |
李晓东等: "视觉盲计算技术研究进展", 《科技导报》 * |
蒋林智: "(全)同态加密及其在云计算中的应用研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728175A (zh) * | 2019-08-30 | 2020-01-24 | 中国电子科技网络信息安全有限公司 | 一种用于无线网络的电磁信号红黑识别装置与识别方法 |
CN110852200A (zh) * | 2019-10-28 | 2020-02-28 | 华中科技大学 | 一种非接触式人体动作检测方法 |
CN110852200B (zh) * | 2019-10-28 | 2023-05-12 | 华中科技大学 | 一种非接触式人体动作检测方法 |
CN114676729A (zh) * | 2022-03-28 | 2022-06-28 | 清华大学 | 时分复用信号的分接方法、装置、设备及存储介质 |
CN114676729B (zh) * | 2022-03-28 | 2023-02-07 | 清华大学 | 时分复用信号的分接方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109145889B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106130942B (zh) | 一种基于循环谱的无线通信信号调制识别及参数估计方法 | |
CN105678273B (zh) | 射频指纹识别技术瞬态信号的起始点检测算法 | |
Wang et al. | Deep learning for signal demodulation in physical layer wireless communications: Prototype platform, open dataset, and analytics | |
CN105119862B (zh) | 一种信号调制类型识别方法和系统 | |
CN112312457A (zh) | 一种基于复数深度残差网络的通信辐射源个体识别方法 | |
CN109145889A (zh) | 一种针对无线信号进行盲估计的明密文信号分类检测方法 | |
CN102497343A (zh) | 一种基于聚类和支持向量机的联合调制识别方法 | |
CN110197127A (zh) | 基于深度学习的无线信号检测与电磁干扰分类系统及方法 | |
CN102647391A (zh) | 一种基于决策层数据融合的协作调制信号识别方法 | |
CN114422311B (zh) | 联合深度神经网络和专家先验特征的信号调制识别方法及系统 | |
CN101895494B (zh) | 基于随机共振预处理的数字调制方式自动识别方法 | |
CN100521670C (zh) | 一种多进制频移键控信号的检测和分析方法 | |
CN108243130A (zh) | 解调方法、装置、频谱检测仪及计算机可读存储介质 | |
Almohamad et al. | Dual-determination of modulation types and signal-to-noise ratios using 2D-ASIQH features for next generation of wireless communication systems | |
CN104869096A (zh) | 基于Bootstrap的BPSK信号盲处理结果可信性检验方法 | |
Chen et al. | Automatic modulation classification using multi-scale convolutional neural network | |
Zhang et al. | Variable-modulation specific emitter identification with domain adaptation | |
CN109085613A (zh) | 基于星座轨迹的卫星欺骗干扰识别方法及装置 | |
Li et al. | Recovery of collided RFID tags with frequency drift on physical layer | |
Hazza et al. | Robustness of digitally modulated signal features against variation in HF noise model | |
CN108270703A (zh) | 一种通信信号数字调制类型识别方法 | |
CN108055096B (zh) | 基于信号和噪声特征检测的频谱感知方法 | |
CN110390253A (zh) | 基于多种分形谱特征提取的通信信号调制方式识别方法 | |
CN111814703B (zh) | 一种非重构条件下基于hb的信号联合特征提取方法 | |
CN111404852B (zh) | 基于振幅和频谱幅度特征的调制方式识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |