CN111866876A - 一种基于频偏预处理的无线设备识别方法、装置及存储介质 - Google Patents

一种基于频偏预处理的无线设备识别方法、装置及存储介质 Download PDF

Info

Publication number
CN111866876A
CN111866876A CN202010488901.5A CN202010488901A CN111866876A CN 111866876 A CN111866876 A CN 111866876A CN 202010488901 A CN202010488901 A CN 202010488901A CN 111866876 A CN111866876 A CN 111866876A
Authority
CN
China
Prior art keywords
frequency offset
fingerprint
wireless equipment
sequence
frequency
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
Application number
CN202010488901.5A
Other languages
English (en)
Other versions
CN111866876B (zh
Inventor
彭林宁
季澈
胡爱群
付华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202010488901.5A priority Critical patent/CN111866876B/zh
Publication of CN111866876A publication Critical patent/CN111866876A/zh
Application granted granted Critical
Publication of CN111866876B publication Critical patent/CN111866876B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/06—Authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0014—Carrier regulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L27/00—Modulated-carrier systems
    • H04L27/0014—Carrier regulation
    • H04L2027/0024—Carrier regulation at the receiver end
    • H04L2027/0026—Correction of carrier offset
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

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)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于频偏预处理的无线设备识别方法，通过对接收的射频信号做傅里叶变换和相关运算得到帧前导定位，从提取的帧前导信号中提取频偏，按时间顺序组成频偏序列，对该序列先后进行移动平均滤波和回归分析，得到回归系数；通过回归系数对频偏进行特征变换，将回归系数和变换后的频偏作为指纹特征存入指纹库；利用指纹库数据训练随机森林模型，得到随机森林分类器；获取待认证无线设备发送的射频信号，提取其射频指纹后，使用随机森林分类器对指纹进行识别，根据识别的结果来对无线设备的身份进行认证。本发明还提供了基于上述方法的无线设备识别装置及存储介质。本发明可以实现无线设备的快速识别，且具有较好的实用性和鲁棒性。

Description

一种基于频偏预处理的无线设备识别方法、装置及存储介质
技术领域
本发明涉及无线设备识别领域，尤其涉及一种基于频偏预处理的无线设备识别方法、装置及存储介质。
背景技术
近年来，通讯设备(主要包括个人通讯设备和工业通讯设备)的数量呈现飞速增长，其主要原因在于无线通信理论及其应用的发展。而通讯设备的广泛使用必然带来一定的安全隐患。因此，对于设备安全隐患的研究和预防得到了学界重视及深入研究。其中，由于无线设备的接入安全是无线网络安全的重要一环，无线接入点和终端用户对通信设备的识别和认证成为当前研究的主要对象。
传统的认证模式多以用户设备提供的认证信息为认证目标。例如，应用IPsec(IPSecurity)协议的IPv6技术，通过ESP(Encapsulating Security Payloads)协议指定加解密算法和认证算法，通过IKE(Internet Key Exchange)协议来进行密钥的管理和交换。用户提供hash值等身份信息作为认证目标，接收方通过AH协议确认数据发送方的真实身份，以及数据在传输过程中是否遭篡改。
随着量子计算机的出现，计算机的计算性能大幅提升，密码学领域的现有研究亟待突破。此外，身份信息的泄露也是影响当前认证体系的问题之一。近年来，使用物理手段获取设备的身份信息这一方向得到了广泛研究，其中通过电磁波提取设备的射频指纹作为身份标识是一大热点。射频指纹可以分为瞬态射频指纹特征和稳态射频指纹特征，稳态特征主要包括频率偏移，I/Q偏移，幅度相位误差等。
近年来的实验研究表明，射频指纹在不同的物理环境下会有一定的变化，开机时间的长短，温度的高低，不同天线的使用等，都会对指纹产生不同程度的影响。国内外的许多研究也证明了这一点，例如，2017年，Martin Posp′
Figure BDA0002520292190000011
等人研究了芯片发热对频偏，I/Q误差等射频指纹的影响，他们使用GMM(简单高斯混合模型)对设备进行分类，并调整Usrp(通用软件无线电外设)芯片的温度来观察温度对不同特征的影响，结果表明温度对频偏和正交误差的影响最大，主要原因是温度对TCXO(温度补偿晶体振荡器)的影响；MohamedS.Kheir等人在研究纳米RFID技术的过程中，提出了一种基于Cocoon-PUF腔结构的RFID技术，并分析了这种结构的温度鲁棒性，发现该结构的六个射频指纹特征受温度的影响，发生了明显的线性变化；Richard L.Patterson等人在研究极端温度下的电子元器件和电路的过程中指出，在低温下，大多数载波设备显示出更低的泄漏电流和更低的闩锁敏感性，此外，由于载流子迁移率和饱和速度的提高，这些设备显示出更高的速度；Robert H.Caverly等人曾对MOSFET RF等效电路参数的温度特性进行了研究，研究表明，多晶硅栅极电阻随温度的升高而增加，另外，跨导随温度升高而降低。Yo-Sheng Lin等人也研究了温度对单片RF变压器的品质因数(Q因子)和噪声系数(NF)性能的影响，同时也说明了不同的晶振受温度的影响程度不同，而频偏等射频指纹与晶振的关系密切，因此温度的变化也会间接导致射频指纹的变化。Mathew WLukacs等人在研究天线的射频指纹过程中，对不同类型的天线进行了指纹的提取和分类，通过Fisher判别法，对两个天线和两个终端的天线类型进行了分类，取得了良好的效果，说明了天线本身具有一定的射频指纹，因此天线的变化对于终端的射频指纹会产生一定的影响。
这些因素的影响使得指纹的鲁棒性变弱，从而影响了设备的正确识别。研究不同物理环境下同一设备的指纹变化，同一物理环境下不同设备的指纹变化，对于射频指纹的清洗，提高指纹的鲁棒性有重要的意义。
发明内容
发明目的：本发明提出一种基于高鲁棒性射频指纹对无线设备进行识别的方法。本发明的另一目的在于提供基于上述方法的无线设备识别装置及计算机存储介质。
技术方案：本发明所述的基于频偏预处理的无线设备识别方法，包括步骤：
(1)接收端获得信号后，对帧前导进行定位；
(2)提取帧前导的频偏，将所述频偏按照时间顺序生成频偏序列；
(3)对所述频偏序列依次进行移动平均滤波和回归分析，得到回归系数；
(4)通过所述回归系数对频偏序列进行特征变换，将经过特征变换的频偏序列和所述回归系数作为无线设备射频指纹，生成指纹数据集；
(5)利用所述指纹数据集训练随机森林模型，得到随机森林分类器；
(6)使用随机森林分类器对从接收信号中提取的无线设备射频指纹进行识别，从而完成身份认证。
进一步地，所述步骤(1)包括：
(11)对接收端获得的信号进行傅里叶变换，对标准帧前导信号和基带信号做相关运算；
(12)根据相关运算后获得的相关峰的位置确定帧前导的起始位置；
(13)通过对OFDM符号进行共轭相乘计算得到频偏。
步骤(3)中，所述移动平均滤波可以使所述频偏序列变平滑，以变后续的回归分析。优选地，所述移动平均滤波的阶数设置为20。
由于现有的无线设备识别算法大多基于频偏和频偏的统计特性(如方差等)，而在研究中发现频偏在设备刚开机时稳定性较差，会随着时间的变化而变化，假如直接使用频偏作为特征会导致分类精度不高，且容易受到噪声的影响，因此，本发明引入了回归系数作为优化特征，以提高射频指纹的鲁棒性和分类精度。事实上，实验表明不同的设备得到的回归系数具有较大的差异，因此可作为设备识别的特征。
优选地，步骤(3)中，所述回归分析选择反比例函数作为联系函数，通过梯度下降法对回归系数进行求解。
优选地，所述指纹数据集中还包括所述频偏序列的拟合系数。
进一步地，所述步骤(4)还包括：计算最优训练时长，选取所述最优训练时长下的信号数据作为样本。
优选地，步骤(5)中所述随机森林模型选用CART分类树作为子树模型。
本发明所述的基于频偏预处理的无线设备识别装置，包括：存储器、处理器及在所述存储器上存储并可运行的无线设备识别的程序，所述无线设备识别的程序被处理器执行时实现所述基于频偏预处理的无线设备识别方法的部分或全部步骤。
本发明所述的一种计算机可读存储介质，其上存储有无线设备识别的程序，所述无线设备识别的程序被处理器执行时实现所述基于频偏预处理的无线设备识别方法的部分或全部步骤。
有益效果：与现有技术相比，本发明充分利用了指纹在不同物理环境下的变化特征，并对频偏进行预处理使得最终得到的射频指纹受噪声影响小，从而提高了设备指纹的鲁棒性和分类精度。
附图说明
图1是本发明的方法流程图；
图2是确定训练时长的流程图；
图3是联合评价法的流程图
图4是随机森林模型的训练流程图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
如图1，其示出了本发明所述的基于频偏预处理的无线设备识别方法的流程图，该方法通过获取并处理获取到的无线设备发送的信号，将得到射频指纹作为无线设备身份认证特征向量，从而完成识别，具体包括：
1、频偏提取
在训练模式下，接收机采集无线设备发射的射频信号Xr(n)，通过傅里叶变换和相关运算进行帧前导的定位，提取信号帧的帧前导，接着对标准帧前导信号和基带信号做相关，根据相关峰的位置确定帧前导的起始位置，再通过对OFDM符号进行共轭相乘来计算接收机和发射机之间的频偏Δωr。
设
Figure BDA0002520292190000041
其中n为离散时间，Xr(n)为接收机接收到的信号，R(n)为信号幅度，Δωr为接收机和发射机之间的频率偏移，ωb为基带信号频率，
Figure BDA0002520292190000042
为载波相位偏差。
将一段帧前导信号分成长度相等的两段，每段长度为N1，对这两段信号进行共轭相乘，即对每一信号点Xr(n)，计算
Figure BDA0002520292190000043
可得：
Figure BDA0002520292190000044
基带信号两个符号对应位置的两个点的相位应该相同，即ωbN1＝2kπ，k∈Z。对共轭相乘得到的复数取辐角，即可计算出频偏Δωr：
Figure BDA0002520292190000045
其中arg(·)函数表示对复数取辐角。
2、生成频偏序列
将频偏数据按照时间先后组成频偏序列，将其视为一个长度固定为N的队列，在新的一次测量后，上述队列的首数据去掉，其余N-1个数据依次前移，并将新的采样数据插入，作为新队列的尾；然后对这个队列进行算术运算，并将其结果作为本次测量的结果。
设频偏序列为Δωr(n)，阶数为N，则滤波器的输出为：
Figure BDA0002520292190000046
其中
Figure BDA0002520292190000048
为经过滤波后的频偏序列。
3、获取频偏的回归系数特征
对频偏序列进行移动平均滤波，对滤波后的序列进行回归分析来获取回归系数。本实施例选择广义线性回归模型，其一般形式为：
y＝g-1(ωTx+b)
其中，g为联系函数，ω为系数向量，b为常数。常用的联系函数有指数函数和对率函数等，经过实验，本实施例选择反比例函数作为联系函数，模型的表达式为：
Figure BDA0002520292190000047
其中t为时间，y(t)为频偏序列的回归方程，a、b、c为回归系数，通过回归系数对频偏进行特征变换，将回归系数和变换后的频偏作为射频指纹，变换公式如下：
Figure BDA0002520292190000051
其中Y(t)为变换后的频偏序列，y(t)为原始频偏序列，a、b为拟合系数。
采用联合评价法(结合了模糊数学和Topsis两种评价法)确定训练集时长，评价的指标为训练集的时长和测试误差，具体的流程如说明书附图2所示，首先随机选取训练起始时刻，接着调整训练时长，计算并存储不同训练时长的误差，重复100次后将存储的时长和误差输入到联合评价算法，得出最优的训练时长。
所述联合评价法的流程图如图3所示，分别通过模糊数学评价法和Topsis评价法对训练时长进行打分。记模糊数学评价法得到的分数矩阵为A，Topsis评价法得到的分数矩阵为B，则联合评价法的分数矩阵为：
C＝αA+βB
其中C为分数矩阵，α，β分别对应两种评价法的权重，α，β≥0且α+β＝1。
根据联合分数矩阵确定最优的训练时长，本实施例中选择最优时长为400s。对需要识别的无线设备，采集其发出的信号，选取时长400s的数据，对其进行广义线性回归，其中回归系数的求解使用梯度下降法。
4、生成随机森林分类器
将指纹库中的数据划分为训练集和测试集。将训练集输入到随机森林(RandomForest,RF)模型中进行训练，得到随机森林分类器，用于无线设备的识别认证。本实施例中，基分类器规模取100，基分类器模型选用CART分类树，各个CART分类树均为最大生长树，通过k折交叉验证来计算分类器的精度。如图4所示，在每个基分类器的训练过程中，对于CART分类树的每个节点，都随机选取两个特征，从这两个特征中选取最优特征进行划分。具体步骤如下：
(1)初始化基分类器个数T＝100，计数器t＝0；
(2)使用自助法采样得到基分类器的训练集；
(3)令t＝t+1，使用步骤(2)中的训练集训练CART分类树ht，在结点分裂过程中，从特征集合随机选择一个包含k个特征的子集，然后再从这个子集中选择一个最优特征用于划分；
(4)若t<＝T，回到步骤(2)，否则跳转至步骤(5)；
(5)输出
Figure BDA0002520292190000052
其中H(x)为最终的分类器，x为样本，y为标签，γ为标签的集合，函数I(·)为指示函数，当输入为真，输出1，否则输出0。
5、无线设备识别
在判决模式下，射频信号接收装置采集到无线设备发射的信号后，使用和训练模式下提取射频指纹的方法获取指纹，使用对应的随机森林分类器对指纹进行识别，给出无线设备的认证结果。
本发明实施例还提供一种基于频偏预处理的无线设备识别装置，该装置包括：存储器、处理器及在所述存储器上存储并可运行的无线设备识别的程序，所述无线设备识别的程序被处理器执行时实现上述基于频偏预处理的无线设备识别方法的部分或全部步骤。
本发明实施例还提供一种计算机可读存储介质，其上存储有无线设备识别的程序，所述无线设备识别的程序被处理器执行时实现上述基于频偏预处理的无线设备识别方法的部分或全部步骤。

Claims (9)

1.一种基于频偏预处理的无线设备识别方法，其特征在于，包括步骤：
(1)接收端获得信号后，对帧前导进行定位；
(2)提取帧前导的频偏，将所述频偏按照时间顺序生成频偏序列；
(3)对所述频偏序列依次进行移动平均滤波和回归分析，得到回归系数；
(4)通过所述回归系数对频偏序列进行特征变换，将经过特征变换的频偏序列和所述回归系数作为无线设备射频指纹，生成指纹数据集；
(5)利用所述指纹数据集训练随机森林模型，得到随机森林分类器；
(6)使用随机森林分类器对从接收信号中提取的无线设备射频指纹进行识别，从而完成身份认证。
2.根据权利要求1所述的基于频偏预处理的无线设备识别方法，其特征在于，所述步骤(1)包括：
(11)对接收端获得的信号进行傅里叶变换，对标准帧前导信号和基带信号做相关运算；
(12)根据相关运算后获得的相关峰的位置确定帧前导的起始位置；
(13)通过对OFDM符号进行共轭相乘计算得到频偏。
3.根据权利要求1所述的基于频偏预处理的无线设备识别方法，其特征在于，步骤(3)中，所述移动平均滤波的阶数设置为20。
4.根据权利要求1所述的基于频偏预处理的无线设备识别方法，其特征在于，步骤(3)中，所述回归分析选择反比例函数作为联系函数，通过梯度下降法对回归系数进行求解。
5.根据权利要求1所述的基于频偏预处理的无线设备识别方法，其特征在于：所述指纹数据集中还包括所述频偏序列的拟合系数。
6.根据权利要求1所述的基于频偏预处理的无线设备识别方法，其特征在于，所述步骤(4)还包括：计算最优训练时长，选取所述最优训练时长下的信号数据作为样本。
7.根据权利要求1所述的基于频偏预处理的无线设备识别方法，其特征在于，步骤(5)中，所述随机森林模型选用CART分类树作为子树模型。
8.一种基于频偏预处理的无线设备识别装置，其特征在于，该装置包括：存储器、处理器及在所述存储器上存储并可运行的无线设备识别的程序，所述无线设备识别的程序被处理器执行时实现如权利要求1至7中任一项所述基于频偏预处理的无线设备识别方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有无线设备识别的程序，所述无线设备识别的程序被处理器执行时实现如权利要求1至7中任一项所述基于频偏预处理的无线设备识别方法的步骤。
CN202010488901.5A 2020-06-02 2020-06-02 一种基于频偏预处理的无线设备识别方法、装置及存储介质 Active CN111866876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010488901.5A CN111866876B (zh) 2020-06-02 2020-06-02 一种基于频偏预处理的无线设备识别方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010488901.5A CN111866876B (zh) 2020-06-02 2020-06-02 一种基于频偏预处理的无线设备识别方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111866876A true CN111866876A (zh) 2020-10-30
CN111866876B CN111866876B (zh) 2023-02-28

Family

ID=72985428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010488901.5A Active CN111866876B (zh) 2020-06-02 2020-06-02 一种基于频偏预处理的无线设备识别方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111866876B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101485A (zh) * 2020-11-12 2020-12-18 北京云真信科技有限公司 目标设备识别方法、电子设备及介质
CN112491757A (zh) * 2020-11-27 2021-03-12 全球能源互联网研究院有限公司 一种设备的特征提取方法、装置及计算机设备
CN112528695A (zh) * 2020-12-18 2021-03-19 北京元心科技有限公司 识别方法、装置、设备及计算机可读存储介质
CN112637834A (zh) * 2021-03-10 2021-04-09 网络通信与安全紫金山实验室 一种无线通信设备的指纹融合识别方法及装置
CN112712046A (zh) * 2021-01-06 2021-04-27 浙江大学 一种基于设备硬件指纹的无线充电设备认证方法
CN113095378A (zh) * 2021-03-26 2021-07-09 重庆邮电大学 无线网络设备识别方法、计算机设备以及可读存储介质
CN113609982A (zh) * 2021-08-05 2021-11-05 东南大学 一种基于智能载波同步的高区分度射频指纹学习与提取方法
CN113660006A (zh) * 2021-07-03 2021-11-16 西安电子科技大学 一种无线设备识别方法、系统及数据处理终端
CN114867018A (zh) * 2022-06-06 2022-08-05 西安交通大学 利用载波频率偏移的设备识别认证方法、系统及存储介质
CN116261139A (zh) * 2023-03-06 2023-06-13 深圳市壹通道科技有限公司 基于5g消息的在线数据安全传输方法、系统及电子设备
JP7518296B2 (ja) 2020-12-15 2024-07-17 ノキア テクノロジーズ オサケユイチア 強化されたフィンガープリント測位

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080244707A1 (en) * 2007-03-26 2008-10-02 Bowser Robert A Wireless transmitter identity validation in a wireless network
CN109919015A (zh) * 2019-01-28 2019-06-21 东南大学 一种基于多采样卷积神经网络的射频指纹提取和识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080244707A1 (en) * 2007-03-26 2008-10-02 Bowser Robert A Wireless transmitter identity validation in a wireless network
CN109919015A (zh) * 2019-01-28 2019-06-21 东南大学 一种基于多采样卷积神经网络的射频指纹提取和识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
季澈 等: ""基于射频信号特征的Airmax设备指纹提取方法"", 《数据采集与处理》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101485A (zh) * 2020-11-12 2020-12-18 北京云真信科技有限公司 目标设备识别方法、电子设备及介质
CN112101485B (zh) * 2020-11-12 2021-02-05 北京云真信科技有限公司 目标设备识别方法、电子设备及介质
CN112491757A (zh) * 2020-11-27 2021-03-12 全球能源互联网研究院有限公司 一种设备的特征提取方法、装置及计算机设备
JP7518296B2 (ja) 2020-12-15 2024-07-17 ノキア テクノロジーズ オサケユイチア 強化されたフィンガープリント測位
CN112528695A (zh) * 2020-12-18 2021-03-19 北京元心科技有限公司 识别方法、装置、设备及计算机可读存储介质
CN112528695B (zh) * 2020-12-18 2024-03-15 北京元心科技有限公司 识别方法、装置、设备及计算机可读存储介质
CN112712046A (zh) * 2021-01-06 2021-04-27 浙江大学 一种基于设备硬件指纹的无线充电设备认证方法
CN112712046B (zh) * 2021-01-06 2023-06-16 浙江大学 一种基于设备硬件指纹的无线充电设备认证方法
CN112637834A (zh) * 2021-03-10 2021-04-09 网络通信与安全紫金山实验室 一种无线通信设备的指纹融合识别方法及装置
CN112637834B (zh) * 2021-03-10 2021-06-18 网络通信与安全紫金山实验室 一种无线通信设备的指纹融合识别方法及装置
CN113095378A (zh) * 2021-03-26 2021-07-09 重庆邮电大学 无线网络设备识别方法、计算机设备以及可读存储介质
CN113095378B (zh) * 2021-03-26 2022-04-05 重庆邮电大学 无线网络设备识别方法、计算机设备以及可读存储介质
CN113660006B (zh) * 2021-07-03 2022-08-09 西安电子科技大学 一种无线设备识别方法、系统及数据处理终端
CN113660006A (zh) * 2021-07-03 2021-11-16 西安电子科技大学 一种无线设备识别方法、系统及数据处理终端
CN113609982B (zh) * 2021-08-05 2024-03-19 东南大学 一种基于智能载波同步的高区分度射频指纹学习与提取方法
CN113609982A (zh) * 2021-08-05 2021-11-05 东南大学 一种基于智能载波同步的高区分度射频指纹学习与提取方法
CN114867018A (zh) * 2022-06-06 2022-08-05 西安交通大学 利用载波频率偏移的设备识别认证方法、系统及存储介质
CN116261139A (zh) * 2023-03-06 2023-06-13 深圳市壹通道科技有限公司 基于5g消息的在线数据安全传输方法、系统及电子设备
CN116261139B (zh) * 2023-03-06 2023-09-15 深圳市壹通道科技有限公司 基于5g消息的在线数据安全传输方法、系统及电子设备

Also Published As

Publication number Publication date
CN111866876B (zh) 2023-02-28

Similar Documents

Publication Publication Date Title
CN111866876B (zh) 一种基于频偏预处理的无线设备识别方法、装置及存储介质
CN108960138B (zh) 一种基于卷积神经网络的设备认证特征识别方法
CN111385297B (zh) 无线设备指纹识别方法、系统、设备及可读存储介质
CN105678273B (zh) 射频指纹识别技术瞬态信号的起始点检测算法
CN110443378A (zh) 联邦学习中特征相关性分析方法、装置及可读存储介质
Sadeghi et al. Geometrical analysis of machine learning security in biometric authentication systems
CN102890777B (zh) 可识别面部表情的电脑系统
Li et al. RadioNet: Robust deep-learning based radio fingerprinting
CN111245821B (zh) 辐射源识别方法、装置及辐射源识别模型创建方法、装置
CN111553241A (zh) 掌纹的误匹配点剔除方法、装置、设备及存储介质
CN106921500B (zh) 一种移动设备的身份认证方法及装置
CN112507855A (zh) 一种基于瞬时包络等势星球图的通信辐射源个体识别方法
CN114867018A (zh) 利用载波频率偏移的设备识别认证方法、系统及存储介质
Wan et al. Deep learning-based specific emitter identification using integral bispectrum and the slice of ambiguity function
Peng et al. Specific emitter identification via squeeze-and-excitation neural network in frequency domain
Ma et al. A Multi-Perspective Feature Approach to Few-Shot Classification of IoT Traffic
Liao et al. Fast Fourier Transform with Multi-head Attention for Specific Emitter Identification
Xu et al. Radio transmitter classification using a new method of stray features analysis combined with PCA
CN109587136B (zh) 一种基于双极大值的射频指纹特征提取和识别方法
US9286544B2 (en) Methods and apparatuses for facilitating object recognition
CN109598216B (zh) 一种基于卷积的射频指纹特征提取方法
CN116431912A (zh) 用户画像推送方法及装置
Li et al. The physical layer identification of communication devices based on RF-DNA
CN113065385A (zh) 一种基于轴向积分双谱的通信辐射源个体识别方法
Zhou et al. Specific emitter identification via feature extraction in Hilbert-Huang transform domain

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