CN109831786B - 一种基于背向散射天线阵列的无线通信方法和系统 - Google Patents
一种基于背向散射天线阵列的无线通信方法和系统 Download PDFInfo
- Publication number
- CN109831786B CN109831786B CN201910085236.2A CN201910085236A CN109831786B CN 109831786 B CN109831786 B CN 109831786B CN 201910085236 A CN201910085236 A CN 201910085236A CN 109831786 B CN109831786 B CN 109831786B
- Authority
- CN
- China
- Prior art keywords
- signal
- backscatter
- propagation
- signals
- wireless
- 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.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于背向散射天线阵列的无线通信方法和系统,通过将功耗低、体积小、价格便宜的背向散射电路标签附加在AP周围构造无线信号的多径传播特征,提取发送信号经过背向散射电路标签反射得到的背向散射信号的代表性特征,并采用距离搜索算法比较代表性特征之间的相似性,构建传播特征向量,最后利用机器学习算法,基于传播特征向量的相似性对攻击者与合法无线设备身份进行分类,无需使用昂贵的天线阵列或对现有设备进行任何硬件修改,硬件成本低,可操作性强,并且极大提升了系统识别主动攻击者的准确率和效率。
Description
技术领域
本发明属于无线通信领域,更具体地,涉及一种基于背向散射天线阵列的无线通信方法和系统。
背景技术
物联网(Internet of things,简称IoT)因其强大的无线通信能力以及在克服成本、能耗、移动性等问题上的巨大优势,成为继计算机、互联网之后世界信息产业发展的第三次技术革新。随着信息时代的不断向前发展,用户应用需求的多样化,海量物联网设备的投入使用,极大推动了物联网技术的蓬勃发展,也催生了大量满足不同需求的物联网技术。
低功率无线通信技术和轻量级通信协议的不断进步推动了物联网技术在我们日常生活中的应用。在此背景下,物联网无线通信设备逐渐向小尺寸、低成本、低功耗方向发展,然而IoT设备的轻量化设计在为低功耗通信开辟了一系列可能性的同时,却使得通信过程易受到恶意的攻击,最近的研究表明,无线连接很容易受到攻击者入侵,攻击者可以发送未经授权的命令使得物联网设备出现故障。
解决这类问题的传统方法主要依赖于复杂的加密算法,这将导致计算资源和能源的浪费,并且对于设计简单的无线通信设备而言是不可行的;此外,利用信号到达角(AoA)、信道状态信息(CSI)和接收信号强度(RSS)之类的细粒度物理层特征来减轻这些威胁的技术最近受到了广泛关注,然而,这些技术需要配备至少两根天线或天线阵列来构建细粒度物理层特征,成本昂贵并且不适用于无线访问接入点(WirelessAccessPoint,简称AP)和无线通信设备等仅配备少量天线的系统,另外,在开放空间中多径现象是不明显的,这些技术难以提取细粒度的物理层特征。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种基于背向散射天线阵列的无线通信方法和系统,旨在解决传统的防止无线设备遭受外来攻击的方法硬件成本高,安全性低的问题。
为实现上述目的,本发明一方面提供了一种基于背向散射天线阵列的无线通信方法,包括以下步骤:
(1)通过将多个背向散射电路标签分布在无线接收端周围,构造发送信号的多径传播特征;
(2)采集所述接收端接收的无线信号,并对所述无线信号进行检测和分割,得到多段背向散射信号;其中每段背向散射信号为所述发送信号经过相应的背向散射电路标签反射后的信号;
(3)分别对每段背向散射信号进行特征提取,并根据提取特征之间的相似性,构建所述背向散射信号的传播特征向量;
(4)采用训练好的分类器对所述传播特征向量进行分类,识别来自同一发送端的安全信号以及来自不同发送端的攻击信号。
进一步地,所述步骤(1)中所述背向散射电路标签按照以下方式分布在接收端周围:
每个标签与接收端的距离大于等于半波长;
所有标签不在同一直线上分布。
优选地,所述步骤(2)包括:
使用移动平均法对所述无线信号进行解码,得到背向散射信号部分的起点和终点η1、η2;
采用能量包络检测法对所述无线信号进行检测,得到所述无线信号能量包络的起点和终点η3、η4;
根据所述背向散射信号部分的起点和终点,以及所述无线信号能量包络的起点和终点获得更优的分割点ηs、ηe。
优选地,所述步骤(3)中提取的特征包括:原始值、平滑值、平均值、方差、最大值和最小值。
进一步地,所述步骤(3)中采用距离搜索算法构建所述背向散射信号的传播特征向量,具体包括:
将提取得到的特征序列X和特征序列Y分割成不同片段;
计算特征序列片段X(i)映射到特征序列片段Y(j)的欧式距离w(i,j);
找出使w(i,j)总和最小的特征序列映射路径;
根据每个片段计算获得的最小欧式距离值,构建所述背向散射信号的传播特征向量。
进一步地,所述步骤(4)中所述分类器的训练方法为:
将所述传播特征向量输入到一类支持向量机模型中进行训练;
根据识别准确率,调节模型参数对分类边界进行优化。
本发明另一方面提供了一种采用上述方法的无线通信系统,包括:发送端、接收端、多径传播模块、检测分割模块、相似性比较模块和信号分类模块;
所述发送端与接收端通过无线方式建立连接;
所述多径传播模块,包括分布在接收端周围的多个背向散射电路标签,用于构建发送信号的多径传播特征;
所述检测分割模块,用于采集接收信号,并对所述接收信号进行解码和分割,获得所述发送信号经过所述背向散射电路标签反射得到的背向散射信号的特征向量;
所述相似性比较模块,用于接收所述特征向量,并对所述特征向量进行相似性比较,获得所述背向散射信号的传播特征向量;
所述信号分类模块,用于接收所述传播特征向量,并对所述传播特征向量进行分类,识别来自同一发送端的安全信号以及来自不同发送端的攻击信号。
通过本发明所构思的以上技术方案,与现有技术相比,能够取得以下有益效果:
(1)本发明通过将功耗低、体积小、价格便宜的背向散射电路标签,附加在AP周围构建天线阵列,利用标签对无线信号的反射作用,构造无线信号的多径传播特征,有效鉴别了无线通信设备在配对和数据传输过程中所遭受到的主动攻击,硬件成本低,可操作性强。
(2)本发明采用距离搜索算法比较背向散射信号特征之间的相似性,构建传播特征向量,利用机器学习算法对传播特征向量进行分类,极大提升了系统识别攻击者的准确率和效率。
附图说明
图1是本发明实施例提供的一种基于背向散射天线阵列的无线通信方法流程图;
图2是本发明实施例提供的一种无线通信设备在与AP配对和数据传输过程中遭受攻击的示意图;
图3是本发明实施例提供的一种在AP周围分布多个背向散射电路标签示意图;
图4是本发明实施例提供的一种在AP端接收到的经过背向散射标签反射后的信号幅度平均值示意图;
图5是背向散射接收信号经过解码和能量包络检测后的结果示意图;
图6是本发明实施例提供的一种基于背向散射天线阵列的无线通信系统结构示意图;
1为发送端,2为多径传播模块,3为接收端、4为检测分割模块、5为相似性比较模块,6为信号分类模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参考图1,本发明实施例提供的一种基于背向散射天线阵列的无线通信方法,包括以下步骤:
(1)将背向散射电路标签分布在AP周围,构建天线阵列,利用标签对无线信号的反射作用,构造无线信号的多径传播特征;
如图2所示,合法无线设备在与无线接入点配对或共享数据时,配备有全向或定向天线的主动攻击者会在第三次握手时,冒充合法设备向AP发送虚假命令,如虚假数据或拒绝服务(Denial of Service,简称DoS)攻击。
基于此场景,如图3所示,设计多个低功耗、体积小、价格便宜的背向散射电路标签,将标签贴在无线接入点(AP)周围,标签的位置需满足以下要求:
每个标签与AP相距大于等于半波长距离,因为标签与AP距离小于半波长时,信道状态比较相似,会降低对攻击者的识别能力;
每个标签与AP成不同的角度,因为当所有标签在同一直线上时,攻击者容易找到对称的位置实现攻击;
控制多个标签按照不同的顺序进行工作,从而可以构造无线信号的多径传播特征;
采用上述方式布置的标签在其工作时间内会收到消息1和消息3,其中消息1为第一次握手时AP接收的信号,由合法设备发出,消息3为第三次握手时AP接收的信号,可能由合法用户发出,也可能由攻击者发出,通过进一步实验发现,多径传播特征可以体现在接收信号强度中,如图4所示,当消息1和消息3来自同一设备时,经过同一标签反射的背向散射信号强度相似;当消息1和消息3来自不同设备,即使经过同一标签反射,其背向散射接收信号强度也具有明显差异;因此可以通过提取背向散射接收信号的不同特征,并比较其相似性,确定信号是否来自同一设备。
(2)采集无线通信设备向AP传播的无线信号,对所述信号进行检测和分割,得到背向散射信号,提取所述背向散射信号的代表性特征;其中,背向散射信号是所述标签对无线信号的反射信号;
背向散射信号的代表性特征包括:原始背向散射信号、平滑后的信号、信号的能量包络、方差、最大值和最小值;为提取这些代表性特征,使用移动平均法对背向散射接收信号进行解码,得到背向散射信号部分的起点和终点η1、η2,由于背向散射标签电路设计的不完善和噪声的存在,对解码后的信号直接进行分割会使准确度降低,因此采用能量包络检测法进行辅助,如图4所示,综合解码后得到的背向散射信号部分的起点和终点η1、η2,以及背向散射信号能量包络的起点和终点η3、η4,获得更优的分割点ηs、ηe;
首先采用滑动窗口对原始信号进行滤波,并通过下式计算信号的平均能量E(i):
其中,N是滑动窗口的长度,x(i)是第i个样本的幅度;
通过公式V(j)=Var[E(j):E(j+N)]计算能量包络的方差;
定义动态阈值t,将动态阈值设置为e2,e为所有标签中的最小能量,可通过解码获得,通过条件约束:
获得更优的分割点ηs、ηe:
ηs=(η1+η3)/2
ηe=(η2+η4)/2
η1、η2分别为解码后得到背向散射信号部分的起点和终点;
由于背向散射电路标签采用的是周期性反射的工作方式,信号的不完美分割会导致特征的错位,简单地通过计算相关性来比较特征序列将会降低其相似性,因此本发明提出利用DTW(Dynamic Time Warping)距离搜索算法对背向散射信号特征进行相似性比较,从而构建出信号的传播特征向量:
(3)利用DTW距离搜索算法对背向散射信号的代表性特征进行相似性比较,构建背向散射信号的传播特征向量;
具体地,将可疑信号提取的特征序列定义为特征序列X,合法信号提取的特征序列定义为特征序列Y,利用DTW距离搜索算法对两个特征序列进行相似性比较,当特征序列X映射到特征序列Y的欧式距离越小,则两个特征序列的相似性越高;实际操作中,可以将两个特征序列切割成不同片段,特征序列片段X(i)映射到特征序列片段Y(j)的欧式距离w(i,j),表达式为;
w(i,j)=|X(i)-Y(j)|
X(i)=X(1),X(2),...,X(i)...X(m)
Y(j)=Y(1),Y(2),...Y(j),...,Y(n)
其中,m、n分别代表这两个特征序列的长度,w(i,j)为X(i)和Y(j)之间的欧式距离;
找出使w(i,j)总和最小的特征序列映射路径,可表示为下式:
s.t.sp=w(1,1),ep=w(m,n)
st(i)≤st(i+1),st(j)≤st(j+1)
其中,W为路径矩阵,sp、ep分别为特征片段的起点和终点,st(i)为第i步的水平轴坐标,两个约束条件保证了DTW中路径选择的边界和单调性。
根据每个片段计算获得的最小欧式距离值,构建出信号的传播特征向量。
考虑到来自相同设备的信号将经历由背向散射电路标签引起的相同多径,因此我们将检测可疑信号的问题转换为区分信号传播特征向量的问题,从而防御攻击信号;
(4)利用机器学习分类算法对信号传播特征向量进行分类,识别出主动攻击者与合法无线通信设备是否来源于同一身份;
利用基于机器学习算法的分类器对信号的传播向量特征进行分类处理;根据两个信号传播特征向量的相似性程度进行分类,优化训练集中的分类边界,以确保捕获大多数正样本并能够排除负样本,从而识别出可疑信号是否与合法信号来源于同一设备,进而有效鉴别和防御主动攻击。
具体地,由于来自相同设备的背向散射信号传播特征向量是相似的,而来自攻击者的信号传播特征向量将会与合法无线设备的信号传播特征向量呈现较大的差异,采用一类支持向量机(One-Class SVM)算法进行分类,目标是优化训练集中的支持向量所组成的超平面(即分类边界),以确保捕获大多数正样本(合法无线设备)并能够排除负样本(主动攻击者);
可通过以下公式寻找支持向量所组成的超平面(即分类边界):
其中,v∈(0,1]为训练误差分数的上界和支持向量分数的下界,k(·)为高斯核函数,α是拉格朗日乘子,Xi为第i个轮廓特征向量;
无线通信设备的身份判决函数为:
其中,X为轮廓特征的测试样本,Xi为第i个支持向量,ρ为偏置函数;
基于支持向量所决定的超平面,可以将传播特征向量的测试样本分类为合法无线设备或主动攻击者。
如图6所示,本发明实施例还提供了一种采用上述方法的无线通信系统,包括:发送端1,多径传播模块2,接收端3、检测分割模块4、相似性比较模块5,信号分类模块6;
发送端1与接收端3通过无线方式建立连接;
多径传播模块2,包括分布在接收端周围的多个背向散射电路标签,用于构建发送信号的多径传播特征;
检测分割模块4,用于采集接收信号,并对所述接收信号进行解码和分割,获得所述发送信号经过所述背向散射电路标签反射得到的背向散射信号的特征向量;
相似性比较模块5,用于接收所述特征向量,并通过距离搜索算法对所述特征向量新型相似性比较,获得所述背向散射信号的传播特征向量;
信号分类模块6,用于接收所述传播特征向量,并通过一类支持向量机算法对所述传播特征向量进行分类,判断所述发送端是否为合法通信设备。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于背向散射天线阵列的无线通信方法,其特征在于,包括以下步骤:
(1)通过将多个背向散射电路标签分布在无线接收端周围,构造发送信号的多径传播特征;所述步骤(1)中所述背向散射电路标签按照以下方式分布在接收端周围:
每个标签与接收端的距离大于等于半波长;
所有标签不在同一直线上分布;各个标签按照不同的顺序依次工作;
(2)采集所述接收端接收的无线信号,并对所述无线信号进行检测和分割,得到多段背向散射信号;其中每段背向散射信号为所述发送信号经过相应的背向散射电路标签反射后的信号;
(3)分别对每段背向散射信号进行特征提取,并根据提取特征之间的相似性,构建所述背向散射信号的传播特征向量;
(4)采用训练好的分类器对所述传播特征向量进行分类,识别来自同一发送端的安全信号以及来自不同发送端的攻击信号。
2.根据权利要求1所述的一种基于背向散射天线阵列的无线通信方法,其特征在于,所述步骤(2)中对所述无线信号进行检测和分割,包括:
使用移动平均法对所述无线信号进行解码,得到背向散射信号部分的起点和终点η1、η2;
采用能量包络检测法对所述无线信号进行检测,得到所述无线信号能量包络的起点和终点η3、η4;
根据所述背向散射信号部分的起点和终点,以及所述无线信号能量包络的起点和终点获得更优的分割点ηs、ηe。
3.根据权利要求1所述的一种基于背向散射天线阵列的无线通信方法,其特征在于,所述步骤(3)中提取的特征包括:原始值、平滑值、平均值、方差、最大值和最小值;
采用距离搜索算法构建所述传播特征向量,具体包括:
将特征序列X和特征序列Y分割成不同片段;
计算特征序列片段X(i)映射到特征序列片段Y(j)的欧式距离w(i,j);
找出使w(i,j)总和最小的特征序列映射路径;
根据每个片段计算获得的最小欧式距离值,构建出信号的传播特征向量。
4.根据权利要求1所述的一种基于背向散射天线阵列的无线通信方法,其特征在于,所述步骤(4)中所述分类器的训练方法为:
将所述传播特征向量输入到一类支持向量机模型中进行训练;
根据识别准确率,调节模型参数对分类边界进行优化。
5.一种采用权利要求1-4任一项所述方法的无线通信系统,包括:发送端、接收端、多径传播模块、检测分割模块、相似性比较模块和信号分类模块;
所述发送端与接收端通过无线方式建立连接;
所述多径传播模块,包括分布在接收端周围的多个背向散射电路标签,用于构建发送信号的多径传播特征;每个标签与接收端的距离大于等于半波长;
所有标签不在同一直线上分布;各个标签按照不同的顺序依次工作;
所述检测分割模块,用于采集接收信号,并对所述接收信号进行解码和分割,获得所述发送信号经过所述背向散射电路标签反射得到的背向散射信号的特征向量;
所述相似性比较模块,用于接收所述特征向量,并对所述特征向量进行相似性比较,获得所述背向散射信号的传播特征向量;
所述信号分类模块,用于接收所述传播特征向量,并对所述传播特征向量进行分类,识别来自同一发送端的安全信号以及来自不同发送端的攻击信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085236.2A CN109831786B (zh) | 2019-01-29 | 2019-01-29 | 一种基于背向散射天线阵列的无线通信方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910085236.2A CN109831786B (zh) | 2019-01-29 | 2019-01-29 | 一种基于背向散射天线阵列的无线通信方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109831786A CN109831786A (zh) | 2019-05-31 |
CN109831786B true CN109831786B (zh) | 2020-09-08 |
Family
ID=66862763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910085236.2A Active CN109831786B (zh) | 2019-01-29 | 2019-01-29 | 一种基于背向散射天线阵列的无线通信方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109831786B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110635826B (zh) * | 2019-09-09 | 2021-04-20 | 华中科技大学 | 一种多天线背向散射标签的通信方法及系统 |
CN110687503B (zh) * | 2019-10-31 | 2021-07-09 | 华中科技大学 | 一种基于背向散射的无线定位方法、装置及系统 |
CN112702110B (zh) * | 2020-12-31 | 2022-02-15 | 华中科技大学 | 一种多背向散射标签同时通信并定位的方法、装置和系统 |
CN113259941B (zh) * | 2021-05-12 | 2023-02-17 | 上海交通大学 | 基于反向散射波束成形的调节无线设备通信安全性的系统 |
CN114024619B (zh) * | 2021-10-26 | 2023-02-10 | 华中科技大学 | 一种基于脉冲间隔调制的背向散射通信方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1292158A (zh) * | 1998-02-26 | 2001-04-18 | 艾利森公司 | 柔性分集天线 |
CN106506426A (zh) * | 2016-10-11 | 2017-03-15 | 电子科技大学 | 基于ofdm载波的反向散射通信调制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009008174A1 (de) * | 2009-02-10 | 2010-08-19 | Siemens Aktiengesellschaft | Verfahren und System zur Bestimmung der Entfernung, der Geschwindigkeit und/oder der Bewegungsrichtung eines RFID-Transponders |
CN106131958A (zh) * | 2016-08-09 | 2016-11-16 | 电子科技大学 | 一种基于信道状态信息和支持向量机的室内被动定位方法 |
CN106921415B (zh) * | 2017-03-09 | 2019-08-30 | 电子科技大学 | 一种用于环境反向散射通信系统的信号接收方法 |
CN108696932B (zh) * | 2018-04-09 | 2020-03-17 | 西安交通大学 | 一种利用csi多径及机器学习的室外指纹定位方法 |
-
2019
- 2019-01-29 CN CN201910085236.2A patent/CN109831786B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1292158A (zh) * | 1998-02-26 | 2001-04-18 | 艾利森公司 | 柔性分集天线 |
CN106506426A (zh) * | 2016-10-11 | 2017-03-15 | 电子科技大学 | 基于ofdm载波的反向散射通信调制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109831786A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109831786B (zh) | 一种基于背向散射天线阵列的无线通信方法和系统 | |
Hall et al. | Enhancing intrusion detection in wireless networks using radio frequency fingerprinting. | |
Vempaty et al. | Adaptive learning of Byzantines' behavior in cooperative spectrum sensing | |
Kim et al. | Adversarial attacks on deep learning based mmWave beam prediction in 5G and beyond | |
de Lima Pinto et al. | A machine learning approach for detecting spoofing attacks in wireless sensor networks | |
Luo et al. | ShieldScatter: Improving IoT security with backscatter assistance | |
Sethuraman et al. | Intrusion detection system for detecting wireless attacks in IEEE 802.11 networks | |
Ding et al. | The DPC-based scheme for detecting selective forwarding in clustered wireless sensor networks | |
US20230123472A1 (en) | Vision-aided wireless communication systems | |
Huang et al. | Detecting colluding sybil attackers in robotic networks using backscatters | |
CN110856178B (zh) | 一种基于无线网络物理层iq信号的行为识别方法 | |
Lin et al. | Few-shot RF fingerprinting recognition for secure satellite remote sensing and image processing | |
US10973062B2 (en) | Method for extracting environment information leveraging directional communication | |
CN112822689B (zh) | 一种基于载波频率偏差的射频指纹提取方法 | |
Nguyen et al. | Toward IoT node authentication mechanism in next generation networks | |
Hsieh et al. | CSI ratio with coloring-assisted learning for NLoS motionless human presence detection | |
CN108966232A (zh) | 基于服务网络的无线物联网物理层混合认证方法及系统 | |
Wang et al. | Supervised and semi-supervised deep neural networks for CSI-based authentication | |
Maric et al. | A single iteration belief propagation algorithm to minimize the effects of primary user emulation attacks | |
Xiao et al. | Over-the-air adversarial attacks on deep learning Wi-Fi fingerprinting | |
CN111682958A (zh) | 一种基于聚类分析的环境反向散射信号检测方法 | |
Lin et al. | Accuracy enhancement for fingerprint-based WLAN indoor probability positioning algorithm | |
Parmar et al. | Gaussian mixture model based anomaly detection for defense against Byzantine attack in cooperative spectrum sensing | |
Wang et al. | MuKI-Fi: Multi-person Keystroke Inference with BFI-enabled Wi-Fi Sensing | |
CN108966223B (zh) | 基于单比特隐蔽性协议的物理层认证方法及系统 |
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 |