买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：一种无线多元异质终端的射频指纹高效安全认证技术，涉及物理层安全、射频指纹识别、设备认证、物联网安全和抗干扰等领域。充分挖掘无线信号频谱特性和无线多元异质终端硬件缺陷等关键信息，采用通用软件定义无线电USRP和软件定义无线SDR平台GNURadio，提出基于深度学习的，以归一化流无监督异常检测算法为基础的无线终端安全认证方案，有效地在大规模无线终端接入无线网络环境下执行非法设备检测任务，同时完成授权设备分类任务。在大规模无线终端认证的环境下，与传统无线网络身份认证方法相比，有效提高无线网络的安全性和保密性。

主权项：1.一种无线多元异质终端的射频指纹高效安全认证技术，其特征在于包括以下步骤：步骤1：定义系统中的无线终端：设射频指纹识别系统共有N个无线终端和1个接收机USRP；接收机USRP的位置固定；N个无线终端随机分布在平面上，其中含有M个授权设备，N-M个非法设备；步骤2：获得射频指纹：无线终端的基带信号st经过各自的硬件附加上不同的射频指纹，传输的模拟信号表示为xit＝fist，其中，fi·表示设备i的硬件缺陷的总体影响；步骤3：捕获接收信号：传输的模拟信号叠加信道ht和高斯噪声nt的影响被接收机USRP捕获，接收信号rit＝ht*xit+nt送入PC端进行进一步处理；步骤4：信号预处理并构建数据集：PC端对接收信号进行预处理构建神经网络所需的数据集；步骤5：特征提取：将步骤4构建的数据集中来源于授权设备的数据集划分为3部分：56％、14％和30％，分别用作训练集、验证集和测试集；将训练集使用特征提取器进行射频指纹特征提取，将提取的特征使用softmax函数输出分类器预测的接收信号来源类别，计算授权设备分类准确率其中TP、TN、FP、FN分别表示真正例、真负例、假正例和假负例；保留验证集中准确率最高的特征提取器模型参数；步骤6：射频指纹的归一化流处理：生成深度学习模型称作归一化流模型，归一化流模型包括2种流：平行流和融合流使用平行流对信号样本的复杂分布转化为易处理的基分布，而融合流能够高效融合各尺度平行流的信息；平行流和融合流都使用仿射耦合层，仿射耦合层将信号样本y和易处理分布的潜在映射z建立联系：zd+1:D＝yd+1:D⊙expsy1:d+ty1:d其中，y1:d和yd+1:D是y分离的2部分，s·和t·是由神经网络产生的尺度权重和偏移权重，z服从正态分布；将步骤4构建的数据集中来源于授权设备的全部数据集输入归一化流模型，对归一化流模型进行训练；具体步骤：1获取平行流输入特征图：对于平行流，在导入步骤5的特征提取器后，选择特征提取器后三层的最后一个激活输出作为平行流的输入；2生成平行流的尺度权重和偏移权重：为每个平行流生成尺度权重和偏移权重，每个流块的内部模型都采用2层卷积层，加入ReLU作为激活函数，且加入批归一化BN增强模型稳定性；3信息融合：使用融合流对每个平行流的输出映射进行信息融合，提高模型对异常的分辨能力；4生成融合流的尺度权重和偏移权重：融合流的内部模型采用独立的1层卷积层；步骤7：计算信号样本的异常分数Sg： 其中,是的一对一映射，是平行流输入服从的复杂分布；步骤8：受试者工作特征ROC曲线绘制及评估：画出受试者工作特征ROC曲线，计算ROC曲线下面积AUROC和等错误率EER；ROC曲线是通过绘制不同阈值下模型的真阳性率TPR和假阳性率FPR；其中EER为FPR和1-TPR相等时的取值；步骤9：优化归一化流模型：重复步骤6～8，在训练周期内保留AUROC最大的归一化流模型；步骤10：确定阈值：根据保留的归一化流模型输出的异常分数确定阈值λ用于辨别授权设备和非法设备；步骤11：无线终端身份认证及设备识别：使用步骤9的训练后的归一化流模型进行无线终端身份认证；使用步骤3和步骤4获取来源于非法设备的数据集，其与授权设备测试集构成无线终端测试集；测试集输入至归一化流模型辨别信号样本是都来源于授权设备还是非法设备；辨别规则为： 其中，Sg为异常分数，λ为阈值；通过检测判断为授权设备的信号样本进一步使用保存的特征提取器和softmax函数进行区分其来源的授权设备的身份。

全文数据：

权利要求：

百度查询： 厦门大学 一种无线多元异质终端的射频指纹高效安全认证技术