В последние годы, с развитием оборудования систем мобильной связи и Интернета вещей, беспроводные технологии передачи данных играют все более важную роль в нашей повседневной жизни. По сравнению с проводной сетью беспроводная сеть более удобна и компактна.
Кроме того, с точки зрения стоимости, беспроводная сеть значительно снижает затраты на проводку и декорирование. Однако интрузивная атака на электронные устройства стремительно растет. Беспроводные сигналы часто использовались в качестве краеугольного камня массовых вредоносных атак, а характеристики вещания беспроводной передачи данных усугубляют проблему.
Необходимо гарантировать безопасность передачи информации, призывая нас уделять все больше внимания проблеме безопасности и новым контрмерам. Безопасность на физическом уровне является самой основной частью безопасности беспроводной передачи данных. Многие злоумышленники вторгаются в систему безопасности, копируя устройство и насмехаясь над сигналом. Например, вор садится в машину, имитируя такие сигналы, как ключи от машины; злоумышленник входит в конфиденциальную систему, насмехаясь над лицензионным сигналом, исходящим от клонирующих устройств.
Противодействие клонированию РЧ-устройств - это вопрос, который нам срочно необходимо решить. К счастью, из-за незначительных различий в производстве, даже "одни и те же" устройства будут иметь некоторые расхождения, которые нам трудно наблюдать напрямую. Но это все же дает нам возможность идентифицировать различные РЧ устройства и найти клонированное оборудование для вредоносных атак. В настоящее время технология RF-DNA отпечатков пальцев является растущей технологией, которая используется для противодействия сопутствующим рискам, таким как клонирование устройств.
Традиционная ДНК относится к биологическим внутренним признакам, и различные люди имеют разные ДНК. Мы также считаем, что каждое радиочастотное устройство имеет свои собственные физические атрибуты, называемые RF-DNA отпечатками пальцев. В этой статье, вычисляя статистические характеристики многих сигналов, излучаемых одним устройством, мы можем получить "RF-DNA" каждого устройства.
Другими словами, RF-DNA отпечатки пальцев являются отличительными признаками, извлеченными из различных RF устройств, и любые два RF устройства должны иметь отличия. Различия обусловлены шумом оборудования и ошибками при изготовлении аппаратуры, отраженными в их выходных сигналах.
Основная задача технологии RF-DNA отпечатков пальцев состоит в том, чтобы различать сигнал и контрклонирование, которые можно резюмировать как идентификацию и аутентификацию. Есть некоторые радиочастотные устройства и неизвестный сигнал. Нам нужно определить, с какого устройства поступил неизвестный сигнал, и это называется идентификацией.
Что касается аутентификации, неизвестный сигнал утверждает, что он пришел с одного радиочастотного устройства, и нам нужно выяснить, насколько он правдоподобен. Он используется для предотвращения использования одного и того же RF-DNA двумя разными устройствами.
Как и биологическое распознавание ДНК, технология RF-DNA отпечатков пальцев может идентифицировать машины, которые будут иметь большое применение во многих областях, таких как информационная безопасность, уголовное расследование и даже военное командование.
Как только эта технология станет развитой, вредоносные клонирующие устройства, по всей вероятности, будут пойманы, и наша беспроводная передача информации станет более безопасной. К настоящему времени в этой области были проведены некоторые соответствующие исследования и достигнут определенный прогресс.
За последние два десятилетия существует множество возможностей для развития и проблем физического уровня в вопросах, связанных с РФ-ДНК отпечатков пальцев.
В настоящее время классификация амплитуды, частоты и фазовых характеристик методом MDA является общепринятым. Во-первых, исследования позволили и идентифицировать, и проверить устройства и расширить процесс с трех классов до общих проблем N-класса. Установив априори распределение многомерного гауссового распределения, можно было бы рассчитать апостериори вероятность для достижения аутентификации с помощью моделирования.
Предыдущие исследования показали влияние на количество измерений и число субрегионов на точность классификации. Чем больше измерений элемента контура, тем лучше результаты классификации. Кроме того, сигнал можно разделить на средний и ближневосточный регионы. Выбор региона, близкого к транзитному, или межпроизводителя системы мобильной связи может привести к повышению точности классификации.
Кроме MDA, алгоритм дерева решений или другие классификаторы также являются хорошими методами различения сигнала. Выбор классификатора является важнейшей частью технологии RF-DNA. SVM-классификатор применялся для выделения нелинейных компонентов, не зависящих от ядра.
Исследования O. Ureten, B. Abedi и других предложили использовать в качестве классификатора вероятностную нейронную сеть на основе байесовской классификации. Обобщенный вектор релевантности обучения - усовершенствованный вектор квантования - это контролируемый алгоритм машинного обучения на основе MDA, который показывает лучшую производительность. Что касается различных методов извлечения признаков, то для извлечения признаков можно использовать быстрое преобразование Фурье, краткосрочное преобразование Фурье и дискретное преобразование Габора.
Предыдущие исследования сравнивали их производительность, в том числе во временной области, вейвлет-домене и спектральной области. Были предложены некоторые новые подходы, такие как оценка по методу наименьшего квадрата и фазовые характеристики для получения переходных отпечатков пальцев.
Кроме того, исследование разделило признаки друг от друга и обнаружило более важные особенности. Также, некоторые физиологические сигналы электрокардиограммы в работах O. Ureten, B. Abedi и других были классифицированы по возникающей искусственной нейронной сети непосредственно, особенно по повторяющейся нейронной сети, из чего стоит извлечь уроки.
В последнее время использование клонирующего оборудования для получения аутентификации незаконного доступа серьезно влияет на безопасность передачи информации. RF-DNA отпечатки пальцев - это растущая концепция для маркировки каждого RF-устройства, поэтому их можно использовать для идентификации клонирования Вредоносных Атак.
В этом эксперименте был собран сигнал в полосе пропускания 2,4 Гбит/с от четырех радиочастотных устройств. Результаты показывают, что оптимальная точность классификации может достигать 94%. Причина, по которой мы достигли удовлетворительных результатов, заключается в том, что отпечатки пальцев каждого РЧ устройства уникальны, как и ДНК у живых существ, и может быть обнаружена разница между аналогичными РЧ устройствами.
Данная статья демонстрирует, что использование извлеченного отпечатка пальца для распознавания радиочастотных устройств является успешным. При этом были проанализированы результаты деятельности в некоторых неудовлетворительных условиях. С уменьшением ГНР точность классификации также снижается. Это делает экспериментальные результаты более универсальными и убедительными в реальном применении.
Хотя точность LR не так хороша, как точность SVM или MDA, она может достичь миссии аутентификации и найти разумную пороговую установку. Кроме того, добавление среднего значения и разделение подфункций также являются новшествами данной статьи, которые будут являться некоторыми специальными приложениями на практике.