CN111586689A - 基于主成分分析算法的多属性轻量级物理层认证方法 - Google Patents

Abstract

本发明公开基于主成分分析算法的多属性轻量级物理层认证方法，涉及认知无线电网络，方法包括以下步骤：1）初始认证。Alice在时间向基站发送一条或多条感知消息，基站提取出对多个属性的不完全估计；2）提取信道估计。当Alice或者欺诈者Eve在时间再次向基站发送消息，基站再次从消息中提取出信道估计；3）挑选属性。基站利用主成分分析算法来挑选出区分用户明显的几个属性；4）认证。基站将在时刻的信道估计矩阵与时刻的信道估计矩阵利用假设检验进行认证，通过认证，则判定为合法用户。未通过认证判定为非法用户。本发明方法有效提高了信道属性提取的稳定性。

Description

基于主成分分析算法的多属性轻量级物理层认证方法

技术领域

本发明涉及认知无线电网络安全领域，尤其涉及一种认知无线电网络中基于主成分分析算法的多属性轻量级物理层认证方法。

背景技术

由于认知无线电网络的无线特性和频谱感知特性，使其很难保证在频谱感知阶段信息报告传输的过程中，不会遭受信息拦截、篡改、中间人攻击等攻击。由于传统的基于密码学的认证方法不能完全的解决基于合法身份的内部攻击，而且属于资源消耗型，所以提出了轻量级的基于单属性的轻量级物理层认证方法。但由于时变信道、动态干扰条件、设备的移动性等因素常常导致物理层属性的不完全估计、变化和某些属性区分用户不明显等问题，而且目前提出的一些物理层的认证方案都是将物理层认证信息矩阵转换成一个标量来进行认证，也使得认证信息缺乏完整性。

针对单属性的分布的有限范围可能不足以在任何时候对用户进行区分的问题，为了保证物理层认证信息完整性，如何设计一种基于主成分分析算法的多属性物理层认证方法，已成为本领域技术人员亟待解决的技术问题。

发明内容

本发明的目的在于一种认知无线电网络中基于主成分分析的多属性轻量级物理层认证方法。本发明通过在每一轮认证提取多个物理层属性，解决了在真实的信道环境中信道属性提取不稳定的问题。利用主成分分析算法对多属性进行降维来选取区分用户明显的几个属性，避免了某些属性在某个时间周期内区分用户不明显的问题的出现。而且与目前所提出的将矩阵中的物理层信息转化为标量进行认证的方法例如论文“SpoofingDetection with Reinforcement Learning in Wireless Networks”进行比较。本发明利用信道矩阵进行认证，保证认证信息的完整性，提高了认证性能。

本发明采用的技术方案是：

2.基于主成分分析算法的多属性轻量级物理层认证方法，其包括以下步骤：

S1、初始认证：在初始认证阶段合法的发送方在时间t向接收方发送一条或多条消息；接收方从接收到的消息中提取出对多个属性的不完全估计:

H_A[t]＝(H_A1[t],H_A2[t],...,H_AN[t])

其中，H_A[t]表示t时刻的信道估计矩阵，N是使用的物理层属性的个数；H_A1[t],H_A2[t],...,H_AN[t]分别表示N个物理层属性t时刻的信道估计向量；

S2、提取信道估计：当发送方或者欺诈者在时间t+τ再次向接收方发送消息，接收方再次从消息中提取出信道估计：

H'[t+τ]＝(H'₁[t+τ],H'₂[t+τ],...,H'_N[t+τ])

其中，τ表示时间间隔，N是使用的物理层属性的个数；H'[t+τ]表示t+τ时刻的信道估计矩阵，H'₁[t+τ],H'₂[t+τ],...,H'_N[t+τ]分别表示N个物理层属性t+τ时刻的信道估计向量；

S3、挑选属性：利用主成分分析算法来挑选出区分用户明显的几个属性，形成发送方的样本集合为X_A，具体如下：

X_A＝[x_A1,x_A1,...,x_AN]

样本集合X_A中有N个属性，每个属性有m个样本，力求将属性的维数由N降为n(n＜N)；

S4、认证阶段：接收方将在t+τ时刻的信道估计矩阵与时刻t的信道估计矩阵利用假设检验进行比较，当两者比较结果十分相近时，判定该消息来自发送方。

进一步地，步骤S3的具体步骤为：

S301、对样本进行中心化处理：

其中，x_ij表示第j个样本的第i个属性；m表示样本个数；

S302、计算协方差矩阵的特征值和特征向量，协方差矩阵A是一个满足对称正定的N×N矩阵：

其中，

是无偏差估计，x_i和x_j分别表示样本i和样本j,

和

分别是样本均值。

S303、通过|A-λE|＝0，求协方差矩阵A对应的特征向量；

S304、选取出最大的n个特征值所对应的特征向量(H₁,H₂,...,H_n)。

进一步地，步骤S4中的具体方法为：

S401、在t+τ时刻的信道估计矩阵为H'[t+τ]：

H'₁[t+τ]＝[H'₁[t+τ](1),H'₂[t+τ](2),...,H'_N[t+τ](M)]

其中，M是OFDM系统载波的个数；

S402、求在t时刻的信道估计矩阵H_A[t]：

H_A1[t]＝[H_A1[t](1),H_A1[t](2),··.,H_A1[t](M)]

S403、对各个属性进行一个归一化的处理，使得范围均在[0,1]之间。

S404、求两个矩阵差的置ε：

S405、求协方差矩阵的置ε，并与门限值η进行比较，当ε＜η时，则被认定为合法的用户。

本发明采用以上技术方案，相较于现有技术本发明的有益效果在于：

1、使用多个物理层属性代替单属性进行认证，提高了信道属性提取的稳定性。

2、利用节点的安全级别判断生成子立方的局部安全信息；利用主成分分析算法多个属性进行降维，避免了某些属性在某个时间段区分用户不明显情况的发生。

3、使用信道矩阵进行认证，提高了认证的准确性；

通过分析表明，本发明所提供的一种基于主成分分析算法的多属性轻量级物理层认证方法更有效率，具有较好的应用和推广作用。

附图说明

以下结合附图和具体实施方式对本发明做进一步详细说明；

图1为本发明一种基于主成分分析算法的多属性轻量级物理层认证方法的流程示意图；

图2为本发明的系统模型图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

下面将结合附图，对本申请中的技术方案进行描述。

如图1所示的流程图：本发明公开了一种基于主成分分析算法的多属性轻量级物理层认证方法，其包括以下步骤：

S1、如图2所示的系统模型，在初始认证阶段，合法的认知用户Alice在时间t向基站发送一条或多条感知消息。从接收到的信消息中，基站提取出对多个属性的不完全估计:

H_A[t]＝(H_A1[t],H_A2[t],...,H_AN[t])

S2、当Alice或者欺诈者Eve在时间t+τ再次向基站发送消息，为了保证消息的安全性，基站要再次从消息中提取出信道估计：

H'[t+τ]＝(H'₁[t+τ],H'₂[t+τ],...,H'_N[t+τ])

其中，τ表示时间间隔。其中N是使用的物理层属性的个数。

S3、由于有些属性在某个时间周期内是区分用户不明显，所以要利用主成分分析算法来挑选出区分用户明显的几个属性，假定Alice的样本集合为:

X_A＝[x_A1,x_A1,...,x_AN]

集合中有N个属性，每个属性有m个样本，我们试图将属性的维数由N降为n(n＜N)。

S4、基站将在t+τ时刻的信道估计矩阵与时刻t的信道估计矩阵利用假设检验进行比较，如果十分相近，可判定该消息来自Alice。

进一步地，步骤S3的具体步骤为：

S301.对样本进行中心化处理：

x_ij表示第j个样本的第i个属性。

S302.计算协方差矩阵的特征值和特征向量，协方差矩阵A是一个满足对称正定的N×N矩阵：

其中，

是无偏差估计，x_i和x_j分别表示样本i和样本j,

和

分别是样本均值。

S303.通过|A-λE|＝0，求协方差矩阵A对应的特征向量。

S304.最后，选取出最大的n个特征值所对应的特征向量(H₁,H₂,...,H_n)。

进一步地，步骤S4中的具体方法为：

S401.在t+τ时刻的信道估计矩阵为H'[t+τ]：

H'₁[t+τ]＝[H'₁[t+τ](1),H'₂[t+τ](2),..·,H'_N[t+τ](M)]

其中，M是OFDM系统载波的个数。

S402.在t时刻的信道估计矩阵为H_A[t]：

H_A1[t]＝[H_A1[t](1),H_A1[t](2),...,H_A1[t](M)]

S403.对各个属性进行一个归一化的处理，使得范围均在[0,1]之间。

S404.求两个矩阵差的置ε：

S405.利用Rollout算法在认证过程中最大化接收方的收益来动态的决策选取出一个最佳的门限值η。

S406.求协方差矩阵的置ε，并与门限值η进行比较，如果ε＜η，则被认定为合法的用户。

本发明采用以上技术方案，在认知无线电网络中，通过在每一轮认证提取多个物理属性，解决了在真实的信道环境中，信道属性提取不稳定的问题。利用主成分分析算法对多属性进行降维来选取区分用户明显的几个属性，避免了某些属性在某个时间周期内区分用户不明显的问题的出现。并利用信道矩阵进行认证，保证认证信息的完整性。本发明的有益效果在于：1、使用多个物理层属性代替单属性进行认证，提高了信道属性提取的稳定性。2、利用主成分分析算法多个属性进行降维，避免了某些属性在某个时间段区分用户不明显情况的发生。3、使用信道矩阵进行认证，提高了认证的准确性；

通过分析表明，本发明所提供的一种基于主成分分析算法的多属性轻量级物理层认证方法更有效率，具有较好的应用和推广作用。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.基于主成分分析算法的多属性轻量级物理层认证方法，其特征在于：其包括以下步骤：

S1、初始认证：在初始认证阶段合法的发送方在时间t向接收方发送一条或多条消息；接收方从接收到的消息中提取出对多个属性的不完全估计:

H_A[t]＝(H_A1[t],H_A2[t],…,H_AN[t])

其中，H_A[t]表示t时刻的信道估计矩阵，N是使用的物理层属性的个数；H_A1[t],H_A2[t],…,H_AN[t]分别表示N个物理层属性t时刻的信道估计向量；

S2、提取信道估计：当发送方或者欺诈者在时间t+τ再次向接收方发送消息，接收方再次从消息中提取出信道估计：

H'[t+τ]＝(H'₁[t+τ],H'₂[t+τ],…,H'_N[t+τ])

其中，τ表示时间间隔，N是使用的物理层属性的个数；H'[t+τ]表示t+τ时刻的信道估计矩阵，H'₁[t+τ],H'₂[t+τ],…,H'_N[t+τ]分别表示N个物理层属性t+τ时刻的信道估计向量；

S3、挑选属性：利用主成分分析算法来挑选出区分用户明显的几个属性，形成发送方的样本集合为X_A，具体如下：

X_A＝[x_A1,x_A1,…,x_AN]

样本集合X_A中有N个属性，每个属性有m个样本，力求将属性的维数由N降为n(n＜N)；

S4、认证阶段：接收方将在t+τ时刻的信道估计矩阵与时刻t的信道估计矩阵利用假设检验进行比较，当两者比较结果十分相近时，判定该消息来自发送方。

2.根据权利要求1所述的基于主成分分析算法的多属性轻量级物理层认证方法，其特征在于：步骤S3的具体步骤为：

S301、对样本进行中心化处理：

其中，x_ij表示第j个样本的第i个属性；m表示样本个数；

S302、计算协方差矩阵的特征值和特征向量，协方差矩阵A是一个满足对称正定的N×N矩阵：

其中，

是无偏差估计，x_i和x_j分别表示样本i和样本j,

和

分别是样本均值；

S303、通过|A-λE|＝0，求协方差矩阵A对应的特征向量；

S304、选取出最大的n个特征值所对应的特征向量(H₁,H₂,…,H_n)。

3.根据权利要求1所述的基于主成分分析算法的多属性轻量级物理层认证方法，其特征在于：步骤S4中的具体方法为：

S401、在t+τ时刻的信道估计矩阵为H'[t+τ]：

H'₁[t+τ]＝[H'₁[t+τ](1),H'₂[t+τ](2),…,H'_N[t+τ](M)]

其中，M是OFDM系统载波的个数；

S402、求在t时刻的信道估计矩阵H_A[t]：

H_A1[t]＝[H_A1[t](1),H_A1[t](2),…,H_A1[t](M)]

S403、对各个属性进行一个归一化的处理，使得范围均在[0,1]之间；

S404、求两个矩阵差的置ε：

S405、求协方差矩阵的置ε，并与门限值η进行比较，当ε＜η时，则被认定为合法的用户。

Images