CN112822689B - 一种基于载波频率偏差的射频指纹提取方法 - Google Patents
一种基于载波频率偏差的射频指纹提取方法 Download PDFInfo
- Publication number
- CN112822689B CN112822689B CN202011632848.8A CN202011632848A CN112822689B CN 112822689 B CN112822689 B CN 112822689B CN 202011632848 A CN202011632848 A CN 202011632848A CN 112822689 B CN112822689 B CN 112822689B
- Authority
- CN
- China
- Prior art keywords
- data
- carrier frequency
- sequence
- radio frequency
- steps
- 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
Classifications
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/06—Authentication
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Digital Transmission Methods That Use Modulated Carrier Waves (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明及一种基于载波频率偏差的射频指纹提取方法,属于信息安全的技术领域。包括如下方法:S1:信标帧信号采集;S2:接收设备接收调制后的数据x(t)并对x(t)进行解调得到y(t),而后计算序列A(L);S3:对序列A(L)进行数据处理;S4:将频偏特征F1和聚类中心特征值F2(x,y)的实部x和虚部y作为三种特征代入多分类SVM中进行分类。本发明解决了现有技术的指纹提取方法在识别和认证时的安全性能差等问题。
Description
技术领域
本发明及一种基于载波频率偏差的射频指纹提取方法,属于信息安全的技术领域。
背景技术
射频指纹(Radio Frequency Fingerprinting,RFF)是对接收到的射频信号进行分析后得到的设备独特的特征,以实现对目标设备的识别和认证。
随着物联网的不断发展,无线设备已成为现代社会不可或缺的一部分。然而,由于无线通信的传播方式为广播,接受者通常只能被动听取通信活动并保持被动接收状态,因此难以检测即将发生的活动,这就造成了无线网络容易受到大规模的恶意攻击。攻击者可能通过“欺诈”或“中间人”类型攻击而损害无线设备,因此其安全问题不容小觑。目前的许多研究都集中在传统的比特级算法方法上以验证无线设备的身份,以此提高无线网络安全性和减少欺骗攻击。
现有的安全算法在访问密钥时容易受到攻击,因此很难区分合法密钥的设备和克隆密钥的设备。例如,可以再软件中更改网络接口卡的介质访问控制(MAC)地址。通过更换可擦除可编程只读存储器(EPROM)可以改变蜂窝电话的电子序列号(ESN)和移动识别号码(MIN),从而允许修改其身份。因此对于基于密码学的安全协议的身份认证系统,密钥一旦泄露,该机制将无法保证身份认证。由于物理层拥有难以模仿的射频指纹,因此使用物理层安全性有效地解决身份认证问题的方法成为了这一问题的一种解决方法。
现有技术申请号为CN201911059069.0的专利文件公开了一种星地链路设备射频指纹识别及安全接入认证方法,包括如下步骤:步骤A、星地链路系统发射端发射特定结构的传输信号帧;步骤B、星地链路系统接收机对接收信号进行载波频率偏差估计和载波频率偏差校正;步骤C、星地链路系统接收机对发射端的射频指纹特征进行提取;步骤D、对发射端的射频指纹特征进行分类,并与特征库中的特征进行比较,最终进行设备识别、认证与接入控制。对比文件的识别速度慢、不适用短距传输。
本发明解决了现有技术的指纹提取方法在识别和认证时的安全性能差等问题。
发明内容
为了克服现有的指纹提取方法在识别和认证时的安全性能差等缺点,本发明设计了一种基于载波频率偏差的射频指纹提取方法,本发明利用发射机和接收机由于硬件差异在添加、去除载波时产生的载波频率偏差,根据同一个发射源发射出的一串信标帧,可以计算出这种偏差,再通过提取到的该偏差作为训练集,之后就可以利用SVM产生响应分类模型并对位置设备进行分类,以此强化和提升身份验证机制,更好地保障无线网络的安全性能。
为了实现上述目的,本发明采用如下技术方案:
一种基于载波频率偏差的射频指纹提取方法,其特征在于:包括如下方法:
S1:信标帧信号采集,发射设备对信标帧信号进行调制得到调制后的数据x(t)并以广播的形式定时发送;
S2:接收设备接收调制后的数据x(t)并对x(t)进行解调得到y(t),而后计算序列A(L),
其计算方法为:
其中,L是采样点间隔,t是时域自变量,11k是周期数,k为正整数,fcrx是发射机的载波频率,是接收机的相位误差,fcyx是接收机的载波频率,x(t)是信标帧信号调制后的数据,y(t)是x(t)解调后的数据,i为虚数符号,*为取共轭;
S3:对序列A(L)进行数据处理,先舍去序列A中模值小于最大值的1/6的数据得到序列P(n),采用K均值聚类算法计算P(n)的聚类中心得到聚类中心F2(x,y),后提取P(n)的每个模值的角度,再对每个数值的角度取平均值得到频偏特征F1,计算方法如下:
F1=avg(phase(P(n)))
F2(x,y)=k-means(Pi,1)
其中k-means为k均值聚类算法,x是实部,y是虚部,avg()表示计算平均值,phase()表示计算角度,i是虚数符号,n是数据点;
S4:将频偏特征F1和聚类中心特征值F2(x,y)的实部x和虚部y作为三种特征代入多分类SVM中进行分类,所述多分类SVM由多个支持向量机组成,将分类后的三种特征与系统特征库中的所有数据进行比较,将所述三种特征与系统特征库中每个相应的数据都取差值,识别与所述三种特征的差值最小的数据所在的类,而后将数据归类到与所述三种特征的差值最小的数据所在的类中,所述系统特征库为根据已知设备样本训练产生的。
步骤S1中,发射设备以802.11b协议传输数据,所述802.11b协议传输机制为差分二进制相移键控、差分正交相移键控、补码键控和可选的分组二进制卷积码的其中一种。
步骤S1中,信标帧信号的调制方式为振幅调制ASK、频率调制FSK、相位调制PSK、正交幅度调制QAM的其中一种。
步骤S4采用的是一对一的SVM多分类的方法。
所述步骤S1中,发射设备间隔100ms发送一次调制后的信标帧信号数据x(t)。
步骤S2中,当x(t)处的数据与与x(t)相隔11k周期x(t+11k)处的数据相同时,序列A(L)的计算方法为:
其中,θ(L)是A(L)的相位角度的序列,M为任意正整数,∠A(L)为A(L)的相位角,L是采样点间隔,t是时域自变量,fcrx是发射机的载波频率,fcyx是接收机的载波频率,11k是周期数。
与现有技术相比本发明有以下特点和有益效果:本发明利用发射机和接收机由于硬件差异在添加、去除载波时产生的载波频率偏差,根据同一个发射源发射出的一串信标帧,可以计算出这种偏差,再通过提取到的该偏差作为训练集,之后就可以利用SVM产生响应分类模型并对位置设备进行分类,以此强化和提升身份验证机制,更好地保障无线网络的安全性能;
本发明通过序列A(L)的计算方法以及频偏特征F1和聚类中心F2(x,y)的计算方法,解决了识别性能低下的问题;
本发明在计算频偏特征F1和聚类中心F2(x,y)时,舍去序列A中模值小于等于最大值的1/6的数据,避免了噪声的干扰,和噪声对相位的影响;
本发明对不同型号的设备有更高的识别率,即使是对同一型号的设备也可以非常好的进行分类。
附图说明
图1是本发明的方法流程图;
图2是本发明的第一次粗调试所得训练结果图;
图3是本发明的第二次细调后训练效果;
图4是本发明的测试集的实际分类和预测分类图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例1:
本实施例中,选用的软件无线电平台(USRP)是Ettus Research公司生产的USRPN210主机及其射频子板,可对射频信号进行下变频处理,支持USRP软件GUN Radio和Matlab,同时也支持LabView,Simulink等硬件控制品台;使用软件无线电平台对待识别的设备信号采集后,在计算机中使用Matlab对实验数据进行处理,提取RFF并进行分类,实验中采样频率k=10,L=k*11。
实施例如图1所示,一种基于载波频率偏差的射频指纹提取方法,包括如下方法:
S1:信标帧信号采集,发射设备对信标帧信号进行调制得到调制后的数据x(t)并以广播的形式定时发送;
S2:接收设备接收调制后的数据x(t)并对x(t)进行解调得到y(t),而后计算序列A(L),
其计算方法为:
其中,L是采样点间隔,t是时域自变量,11k是周期数,k为正整数,fcrx是发射机的载波频率,是接收机的相位误差,fcyx是接收机的载波频率,x(t)是信标帧信号调制后的数据,y(t)是x(t)解调后的数据,i为虚数符号;
S3:对序列A(L)进行数据处理,先舍去序列A中模值小于最大值的1/6的数据得到序列P(n),采用K均值聚类算法计算P(n)的聚类中心得到聚类中心F2(x,y),后提取P(n)的每个模值的角度,再对每个数值的角度取平均值得到频偏特征F1,计算方法如下:
F1=avg(phase(P(n)))
F2(x,y)=k-means(Pi,1)
其中k-means为k均值聚类算法,x是实部,y是虚部,avg()表示计算平均值,phase()表示计算角度,i是虚数符号,n是数据点;
S4:将频偏特征F1和聚类中心特征值F2(x,y)的实部x和虚部y作为三种特征代入多分类SVM中进行分类,所述多分类SVM由多个支持向量机组成,将分类后的三种特征与系统特征库中的所有数据进行比较,将所述三种特征与系统特征库中每个相应的数据都取差值,识别与所述三种特征的差值最小的数据所在的类,而后将数据归类到与所述三种特征的差值最小的数据所在的类中,所述系统特征库为根据已知设备样本训练产生的。
步骤S1中,发射设备以802.11b协议传输数据,所述802.11b协议传输机制为差分二进制相移键控、差分正交相移键控、补码键控和可选的分组二进制卷积码的其中一种。
步骤S1中,信标帧信号的调制方式为振幅调制ASK、频率调制FSK、相位调制PSK、正交幅度调制QAM的其中一种。
步骤S4采用的是一对一的SVM多分类的方法,例如,给定m个类,m类中每两两之间都需要一个分类器,因此一共产生m(m-1)/2个二类分类器;比如a、b、c三个类。那么就需要a和b类,a和c类,b和c类,一共三个二分类器。
所述步骤S1中,发射设备间隔100ms发送一次调制后的信标帧信号数据x(t)。
步骤S2中,当x(t)处的数据与与x(t)相隔11k周期x(t+11k)处的数据相同时,序列A(L)的计算方法为:
其中,θ(L)是A(L)的相位角度的序列,M为任意正整数,∠A(L)为A(L)的相位角,L是采样点间隔,t是时域自变量,fcrx是发射机的载波频率,fcyx是接收机的载波频率,11k是周期数。
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效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种基于载波频率偏差的射频指纹提取方法,其特征在于:包括如下方法:
S1:信标帧信号采集,发射设备对信标帧信号进行调制得到调制后的数据x(t)并以广播的形式定时发送;
S2:接收设备接收调制后的数据x(t)并对x(t)进行解调得到y(t),而后计算序列A(L),
其计算方法为:
L=1,2,...11k-1
其中,L是采样点间隔,t是时域自变量,11k是周期数,k为正整数,fcrx是发射机的载波频率,是接收机的相位误差,fcyx是接收机的载波频率,x(t)是信标帧信号调制后的数据,y(t)是x(t)解调后的数据,i为虚数符号,*为取共轭;
S3:对序列A(L)进行数据处理,先舍去序列A中模值小于等于最大值的1/6的数据得到序列P(n),采用K均值聚类算法计算P(n)的聚类中心得到聚类中心F2(x,y),后提取P(n)的每个模值的角度,再对每个数值的角度取平均值得到频偏特征F1,计算方法如下:
F1=avg(phase(P(n)))
F2(x,y)=k-means(Pi,1)
其中k-means为k均值聚类算法,x是实部,y是虚部,avg()表示计算平均值,phase()表示计算角度,i是虚数符号,n是数据点;
S4:将频偏特征F1和聚类中心特征值F2(x,y)的实部x和虚部y作为三种特征代入多分类SVM中进行分类,所述多分类SVM由多个支持向量机组成,将分类后的三种特征与系统特征库中的所有数据进行比较,将所述三种特征与系统特征库中每个相应的数据都取差值,识别与所述三种特征的差值最小的数据所在的类,而后将数据归类到与所述三种特征的差值最小的数据所在的类中,所述系统特征库为根据已知设备样本训练产生的。
2.根据权利要求1所述的一种基于载波频率偏差的射频指纹提取方法,其特征在于:步骤S1中,发射设备以802.11b协议传输数据,所述802.11b协议传输机制为差分二进制相移键控、差分正交相移键控、补码键控和可选的分组二进制卷积码的其中一种。
3.根据权利要求1所述的一种基于载波频率偏差的射频指纹提取方法,其特征在于:步骤S1中,信标帧信号的调制方式为振幅调制ASK、频率调制FSK、相位调制PSK、正交幅度调制QAM的其中一种。
4.根据权利要求1所述的一种基于载波频率偏差的射频指纹提取方法,其特征在于:步骤S4采用的是一对一的SVM多分类的方法。
5.根据权利要求1所述的一种基于载波频率偏差的射频指纹提取方法,其特征在于:所述步骤S1中,发射设备间隔100ms发送一次调制后的信标帧信号数据x(t)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011632848.8A CN112822689B (zh) | 2020-12-31 | 2020-12-31 | 一种基于载波频率偏差的射频指纹提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011632848.8A CN112822689B (zh) | 2020-12-31 | 2020-12-31 | 一种基于载波频率偏差的射频指纹提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112822689A CN112822689A (zh) | 2021-05-18 |
CN112822689B true CN112822689B (zh) | 2023-05-23 |
Family
ID=75856565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011632848.8A Active CN112822689B (zh) | 2020-12-31 | 2020-12-31 | 一种基于载波频率偏差的射频指纹提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112822689B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114727293A (zh) * | 2022-03-09 | 2022-07-08 | 江苏电力信息技术有限公司 | 基于射频指纹与无监督学习的身份仿冒攻击识别方法 |
CN114595711B (zh) * | 2022-03-16 | 2023-08-11 | 天津大学 | 一种基于方向敏感特性的射频标签认证方法 |
CN116168423B (zh) * | 2023-02-17 | 2023-08-04 | 国网江苏省电力有限公司电力科学研究院 | 用于低压分布式电源终端设备的射频指纹提取方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7420474B1 (en) * | 2005-05-13 | 2008-09-02 | Barron Associates, Inc. | Idiosyncratic emissions fingerprinting method for identifying electronic devices |
CN108173871A (zh) * | 2018-01-19 | 2018-06-15 | 西安电子科技大学 | 基于射频指纹和生物指纹无线网接入认证系统及方法 |
CN110784864A (zh) * | 2019-11-01 | 2020-02-11 | 中国电子科技集团公司第三十研究所 | 一种星地链路设备射频指纹识别及安全接入认证方法 |
CN111163460A (zh) * | 2019-12-19 | 2020-05-15 | 北京交通大学 | 基于多重间隔差分星座轨迹图的射频指纹提取方法 |
CN112074002A (zh) * | 2020-08-28 | 2020-12-11 | 国网电力科学研究院有限公司 | 一种电力无线专网设备接入认证方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7885668B2 (en) * | 2006-01-31 | 2011-02-08 | Microsoft Corporation | Determining the network location of a user device based on transmitter fingerprints |
-
2020
- 2020-12-31 CN CN202011632848.8A patent/CN112822689B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7420474B1 (en) * | 2005-05-13 | 2008-09-02 | Barron Associates, Inc. | Idiosyncratic emissions fingerprinting method for identifying electronic devices |
CN108173871A (zh) * | 2018-01-19 | 2018-06-15 | 西安电子科技大学 | 基于射频指纹和生物指纹无线网接入认证系统及方法 |
CN110784864A (zh) * | 2019-11-01 | 2020-02-11 | 中国电子科技集团公司第三十研究所 | 一种星地链路设备射频指纹识别及安全接入认证方法 |
CN111163460A (zh) * | 2019-12-19 | 2020-05-15 | 北京交通大学 | 基于多重间隔差分星座轨迹图的射频指纹提取方法 |
CN112074002A (zh) * | 2020-08-28 | 2020-12-11 | 国网电力科学研究院有限公司 | 一种电力无线专网设备接入认证方法及系统 |
Non-Patent Citations (3)
Title |
---|
基于射频信号特征的Airmax设备指纹提取方法;季澈;彭林宁;胡爱群;王栋;;数据采集与处理(02);全文 * |
基于软件无线电的无线设备指纹识别;张靖志;郑娜娥;田英华;;太赫兹科学与电子信息学报(01);全文 * |
无线通信设备的射频指纹提取与识别方法;俞佳宝;胡爱群;朱长明;彭林宁;姜禹;;密码学报(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112822689A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112822689B (zh) | 一种基于载波频率偏差的射频指纹提取方法 | |
Soltanieh et al. | A review of radio frequency fingerprinting techniques | |
Peng et al. | A differential constellation trace figure based device identification method for ZigBee nodes | |
Reising et al. | Authorized and rogue device discrimination using dimensionally reduced RF-DNA fingerprints | |
Candore et al. | Robust stable radiometric fingerprinting for wireless devices | |
Fadul et al. | RF-DNA fingerprint classification of OFDM signals using a Rayleigh fading channel model | |
Patel et al. | Comparison of high-end and low-end receivers for RF-DNA fingerprinting | |
Huang et al. | Hierarchical digital modulation classification using cascaded convolutional neural network | |
Wang et al. | Physical-layer authentication based on adaptive Kalman filter for V2X communication | |
Han et al. | Radio frequency fingerprint based wireless transmitter identification against malicious attacker: An adversarial learning approach | |
Nguyen et al. | Toward IoT node authentication mechanism in next generation networks | |
CN109348477B (zh) | 基于服务网络的无线物联网物理层认证方法 | |
US20220256341A1 (en) | Rf aware deep learning authentication solution | |
Aminuddin et al. | Securing wireless communication using RF fingerprinting | |
Ma et al. | A LSTM-based channel fingerprinting method for intrusion detection | |
Zanetti et al. | Types and origins of fingerprints | |
Nair et al. | Iot device authentication using self-organizing feature map data sets | |
CN111683363B (zh) | 空域调制系统中的物理层认证方法及系统 | |
Ma et al. | A cross-layer collaborative handover authentication approach for 5G heterogeneous network | |
CN116132991A (zh) | Rke系统的射频指纹认证方法、装置及存储介质 | |
Teng et al. | Exploiting Carrier Frequency Offset and Phase Noise for Physical Layer Authentication in UAV-aided Communication Systems | |
CN112996001A (zh) | 一种基于射频指纹图像加扰的物理层安全通信方法 | |
Patel et al. | Application of ensemble decision tree classifiers to ZigBee device network authentication using RF-DNA fingerprinting | |
Albehadili et al. | Machine learning-based PHY-authentication for mobile OFDM transceivers | |
Kong et al. | CSI-RFF: Leveraging Micro-Signals on CSI for RF Fingerprinting of Commodity WiFi |
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 |