劉念，任佳鑫，韓曉藝，劉銘

（北京交通大學(xué)計(jì)算機(jī)與信息技術(shù)學(xué)院，北京100044）

0 引言

近年來(lái)，隨著無(wú)線網(wǎng)絡(luò)、人工智能、大數(shù)據(jù)等技術(shù)的迅猛發(fā)展，各類物聯(lián)網(wǎng)應(yīng)用不斷涌現(xiàn)，成為第五代移動(dòng)通信網(wǎng)絡(luò)（5G）中主要支持的三大應(yīng)用場(chǎng)景之一[1]。在物聯(lián)網(wǎng)應(yīng)用范圍不斷擴(kuò)大、設(shè)備數(shù)量飛速增長(zhǎng)的同時(shí)，其所具有的安全問題也日益突出。一方面，由于無(wú)線網(wǎng)絡(luò)本身的開放性，使得惡意用戶能夠通過一定手段偽裝身份，獲取進(jìn)入網(wǎng)絡(luò)的權(quán)限，進(jìn)而干擾或破壞合法用戶的正常通信，嚴(yán)重威脅無(wú)線網(wǎng)絡(luò)安全。另一方面，隨著計(jì)算機(jī)技術(shù)的發(fā)展及密碼破譯技術(shù)的不斷升級(jí)，傳統(tǒng)的基于密碼協(xié)議或用戶身份信息的高層身份鑒別機(jī)制受到了越來(lái)越大的挑戰(zhàn)。因此，需要提出一種更可靠的設(shè)備身份識(shí)別方法，以保障無(wú)線通信過程中的信息安全。

射頻指紋，因其來(lái)自于無(wú)線設(shè)備內(nèi)部的硬件差異，表征了設(shè)備本身的物理層特征，具有個(gè)體唯一性且難以篡改，可以作為識(shí)別不同無(wú)線設(shè)備的依據(jù)，受到了越來(lái)越多的關(guān)注[2-3]。構(gòu)建射頻指紋的信號(hào)特征是從可識(shí)別信號(hào)中提取的。依據(jù)可識(shí)別信號(hào)所處狀態(tài)，可將射頻指紋分為兩類，即基于瞬態(tài)信號(hào)特征的射頻指紋和基于穩(wěn)態(tài)信號(hào)特征的射頻指紋。

基于瞬態(tài)信號(hào)的射頻指紋技術(shù)，主要是指發(fā)射機(jī)開啟瞬間，信號(hào)發(fā)射功率從零上升到額定功率這一階段的信號(hào)變化特征。這部分信號(hào)不會(huì)攜帶任何與數(shù)據(jù)有關(guān)的信息，僅和發(fā)射機(jī)硬件特性有關(guān)，具有數(shù)據(jù)獨(dú)立性。由于瞬態(tài)信號(hào)的持續(xù)時(shí)間極為短暫，因此在進(jìn)行指紋提取之前需要對(duì)信號(hào)起始點(diǎn)進(jìn)行精確地檢測(cè)[4]。常用的起始點(diǎn)檢測(cè)方法有：門限檢測(cè)方法[5]、Bayesian階躍變點(diǎn)檢測(cè)方法[6]、Bayesian 漸升變點(diǎn)檢測(cè)方法[7]、方差軌跡法[8]、排列熵方法[9]等。初期的射頻指紋提取和識(shí)別技術(shù)的研究均圍繞瞬態(tài)信號(hào)開展?？商崛〉男盘?hào)特征包括瞬態(tài)信號(hào)持續(xù)時(shí)間、頻譜特征、小波域特征、分形維數(shù)以及信號(hào)包絡(luò)等?；谒矐B(tài)信號(hào)特征的射頻指紋提取技術(shù)往往需要采用高精度設(shè)備進(jìn)行高速信號(hào)采集，信號(hào)的捕獲和分離較為困難，故實(shí)際使用的難度較高。

基于穩(wěn)態(tài)信號(hào)的射頻指紋依據(jù)的是穩(wěn)態(tài)信號(hào)的變化規(guī)律，相比瞬態(tài)信號(hào)來(lái)說(shuō)更容易獲取，特征也更穩(wěn)定。得益于以上優(yōu)點(diǎn)，近年來(lái)的研究焦點(diǎn)也逐漸轉(zhuǎn)向基于穩(wěn)態(tài)信號(hào)的方案。具體可分為基于頻域特征的方法[10]、基于調(diào)制特征的方法[11]、基于非線性特征的方法[12]、基于其它變換域的方法[13-14]以及基于信號(hào)統(tǒng)計(jì)量的方法[15]。總體而言，當(dāng)前利用射頻指紋進(jìn)行身份識(shí)別的研究主要考慮單一的通信方向，即側(cè)重于對(duì)用戶終端身份的鑒別[16-18]，尚未考慮網(wǎng)絡(luò)中心節(jié)點(diǎn)可能遭到惡意入侵的風(fēng)險(xiǎn)。因此存在著嚴(yán)重的安全隱患。物聯(lián)網(wǎng)設(shè)備受限于自身硬件特征，結(jié)構(gòu)相對(duì)簡(jiǎn)單，計(jì)算能力不足，更容易受到偽裝成中心節(jié)點(diǎn)的惡意用戶的攻擊，安全隱患更為突出。為了解決該問題，本文通過研究通信雙方射頻指紋間存在的互易規(guī)律，提出了一種適用于物聯(lián)網(wǎng)場(chǎng)景的下行方向身份識(shí)別的方法。

1 射頻指紋

1.1 射頻指紋產(chǎn)生機(jī)理

圖1 展示了一種典型的數(shù)字發(fā)射機(jī)結(jié)構(gòu)。基帶信號(hào)經(jīng)過數(shù)字信號(hào)處理之后進(jìn)入模擬電路部分進(jìn)行調(diào)制，得到的射頻信號(hào)最終通過天線發(fā)射。信號(hào)調(diào)制由模-數(shù)轉(zhuǎn)換器、正交調(diào)制器、上變頻器、功率放大器等模擬電路完成。而射頻指紋即源于上述模擬電路中元器件的固有差異。

圖1 射頻指紋產(chǎn)生機(jī)理

在實(shí)際的生產(chǎn)、制造過程中，由于存在設(shè)備元件差異和硬件加工工藝誤差等，無(wú)線設(shè)備的電學(xué)參數(shù)和標(biāo)準(zhǔn)值之間存在著不可避免的容差。這些容差的存在，使得即使是同一廠商生產(chǎn)的同一型號(hào)的設(shè)備，也會(huì)存在某些細(xì)微的差別。這種硬件上的差異會(huì)對(duì)所發(fā)送的射頻信號(hào)產(chǎn)生不同的影響。因此，通過分析接收到的射頻信號(hào)，便可以提取出發(fā)射該信號(hào)的無(wú)線設(shè)備所特有的特征，這種特征被稱為射頻指紋。由于射頻指紋中所包含的特征僅由無(wú)線設(shè)備自身的固有硬件差異所決定，而與無(wú)線信號(hào)所承載的信息無(wú)關(guān)，因此可以用來(lái)識(shí)別無(wú)線設(shè)備，防止惡意用戶仿冒身份，實(shí)施攻擊行為。

1.2 射頻指紋互易性

現(xiàn)有的基于射頻指紋的設(shè)備身份識(shí)別方法僅針對(duì)單一的通信方向。即通信的一方若是想要驗(yàn)證另一方的身份，便需要對(duì)其射頻指紋特征進(jìn)行學(xué)習(xí)。若通信雙方均需要驗(yàn)證對(duì)方身份，則需要雙方各自開展獨(dú)立的學(xué)習(xí)過程，以掌握對(duì)方的射頻指紋特征。在具體的物聯(lián)網(wǎng)場(chǎng)景中，上行通信方向的身份驗(yàn)證，需要物聯(lián)網(wǎng)中心節(jié)點(diǎn)通過學(xué)習(xí)物聯(lián)網(wǎng)設(shè)備的射頻指紋來(lái)驗(yàn)證其身份；反之，在下行通信方向上，物聯(lián)網(wǎng)設(shè)備若要驗(yàn)證中心節(jié)點(diǎn)的身份，則也需要對(duì)中心節(jié)點(diǎn)的射頻指紋進(jìn)行學(xué)習(xí)。

然而，這種傳統(tǒng)的設(shè)備身份識(shí)別方法需要基于一個(gè)重要前提，即進(jìn)行通信的收發(fā)信機(jī)雙方都具有提取射頻指紋的信號(hào)處理能力以及對(duì)身份識(shí)別算法的學(xué)習(xí)能力。而在物聯(lián)網(wǎng)的場(chǎng)景下，通信雙方存在著電源續(xù)航、業(yè)務(wù)流量、存儲(chǔ)計(jì)算能力等多重不對(duì)稱性。物聯(lián)網(wǎng)中心節(jié)點(diǎn)具有較強(qiáng)的信號(hào)處理、運(yùn)算能力，能夠完成對(duì)物聯(lián)網(wǎng)設(shè)備的射頻指紋提取和身份識(shí)別算法的學(xué)習(xí)，從而保障上行通信方向的通信安全。而結(jié)構(gòu)簡(jiǎn)單的物聯(lián)網(wǎng)終端設(shè)備難以勝任對(duì)物聯(lián)網(wǎng)中心節(jié)點(diǎn)的射頻指紋學(xué)習(xí)任務(wù)，因此在下行通信方向無(wú)法使用射頻指紋技術(shù)增強(qiáng)其通信的安全性。

針對(duì)這一難點(diǎn)，本文提出將物聯(lián)網(wǎng)設(shè)備所需完成的學(xué)習(xí)任務(wù)遷移到物聯(lián)網(wǎng)中心節(jié)點(diǎn)完成。具體地，通過研究通信雙方的射頻指紋之間存在的對(duì)應(yīng)規(guī)律，發(fā)現(xiàn)基于無(wú)線信道的互易性，雙向通信鏈路的射頻指紋也具有一定的互易性。眾所周知，無(wú)線通信的上下行信道具有一定的互易性，主要表現(xiàn)在上下行兩個(gè)方向的信道響應(yīng)具有相似的衰落特性、多徑特性。因此，時(shí)分雙工系統(tǒng)中可以利用某個(gè)方向上的信道估計(jì)結(jié)果進(jìn)行另一個(gè)方向上的預(yù)編碼、波束賦形等操作[19]。類似的，通信鏈路的雙向加密也可以基于這種相似的信道統(tǒng)計(jì)特性來(lái)實(shí)現(xiàn)[20]。雙向通信鏈路在統(tǒng)計(jì)特性上的相似性實(shí)際表明了無(wú)線傳播環(huán)境、收發(fā)雙方的射頻電路均具有相似的特征。這從本質(zhì)上保證了由收發(fā)雙方射頻電路所決定的射頻指紋也會(huì)具有一定的相似特性。需要注意的是，在實(shí)際通信過程中，收發(fā)雙方的射頻鏈路中的元器件可能存在一定規(guī)格的差異，從而對(duì)射頻指紋的互易性造成不同的影響。如收發(fā)雙方采用不同精度的數(shù)模轉(zhuǎn)換器會(huì)產(chǎn)生不同的量化噪聲，使用不同的采樣率也會(huì)造成射頻信號(hào)表示的差異。這類器件規(guī)格的差異是不互易的，但由于進(jìn)行通信的收發(fā)設(shè)備是確定的，這類不互易的差異在信號(hào)的表示中通常是大尺度的、穩(wěn)定的，因此可以通過對(duì)雙向通信的信號(hào)樣本進(jìn)行學(xué)習(xí)來(lái)獲得，故收發(fā)雙方的射頻指紋在整體上仍具有互易性。

圖2 多對(duì)收發(fā)設(shè)備基于差分星座軌跡圖的射頻指紋

為了進(jìn)一步驗(yàn)證射頻指紋互易性，本文通過對(duì)軟件無(wú)線電設(shè)備HackRF One 進(jìn)行信號(hào)樣本采集、處理，得到如圖2 所示的差分星座軌跡圖。由圖可以直觀地看出，不同組合的收發(fā)雙方間射頻指紋均存在上下對(duì)稱的鏡像特征。通過對(duì)10 個(gè)HackRF One 兩兩組合進(jìn)行交叉實(shí)驗(yàn)，發(fā)現(xiàn)基于差分星座軌跡圖的射頻指紋在通信雙方間均存在此類穩(wěn)定的對(duì)應(yīng)關(guān)系。證明了從根本上來(lái)說(shuō)，基于無(wú)線信道的互易性，上下行方向上的射頻指紋也具有一定的互易性。簡(jiǎn)單來(lái)說(shuō)，射頻指紋互易性描述的就是通信雙方的射頻指紋間存在的某種穩(wěn)定映射關(guān)系。通過利用這種互易關(guān)系，能夠在已知的通信一方的射頻指紋的情況下，施加一定的變換手段推出另一方的射頻指紋。以此為依據(jù)，本文提出了一種適用于無(wú)線物聯(lián)網(wǎng)的下行方向身份鑒別方法，以提高無(wú)線物聯(lián)網(wǎng)的安全性。

2 算法設(shè)計(jì)

2.1 算法思想

本文所提出方法的核心思想是，基于射頻指紋互易性，將下行方向物聯(lián)網(wǎng)終端設(shè)備的身份鑒別任務(wù)交由上行方向的網(wǎng)絡(luò)中心節(jié)點(diǎn)完成，以適應(yīng)無(wú)線物聯(lián)網(wǎng)在設(shè)備能力、數(shù)據(jù)流量等多方面不平衡的特點(diǎn)。具體可分為兩個(gè)任務(wù)，一是設(shè)計(jì)射頻指紋變換網(wǎng)絡(luò)，將中心節(jié)點(diǎn)所收集到的終端設(shè)備的射頻指紋轉(zhuǎn)換成能夠反映中心節(jié)點(diǎn)自身身份的射頻指紋，也即實(shí)際終端設(shè)備視角的射頻指紋。二是設(shè)計(jì)射頻指紋分類器，對(duì)利用變換網(wǎng)絡(luò)生成的網(wǎng)絡(luò)中心節(jié)點(diǎn)的射頻指紋進(jìn)行特征提取和學(xué)習(xí)。需要注意的是，以上兩個(gè)網(wǎng)絡(luò)的訓(xùn)練任務(wù)均由該物聯(lián)網(wǎng)中的中心匯聚節(jié)點(diǎn)來(lái)完成。且在訓(xùn)練完成之后，需要將訓(xùn)練好的分類網(wǎng)絡(luò)的架構(gòu)及參數(shù)安全下發(fā)給物聯(lián)網(wǎng)終端。在實(shí)際的通信過程中，終端設(shè)備只需在接收到中心節(jié)點(diǎn)發(fā)來(lái)的信號(hào)后，提取出射頻指紋，并利用訓(xùn)練好的分類網(wǎng)絡(luò)對(duì)該射頻指紋所對(duì)應(yīng)的中心節(jié)點(diǎn)身份的真?zhèn)巫龀雠袛?，即可?shí)現(xiàn)下行方向身份鑒權(quán)的目的。

2.2 網(wǎng)絡(luò)結(jié)構(gòu)

本文設(shè)計(jì)的下行方向身份鑒別網(wǎng)絡(luò)模型如圖3 所示。該模型主要分為兩部分，第一部分是基于自動(dòng)編碼器（AutoEncoder）的射頻指紋互易變換網(wǎng)絡(luò)，第二部分是基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）的射頻指紋分類網(wǎng)絡(luò)。

圖3 物聯(lián)網(wǎng)下行方向身份鑒別網(wǎng)絡(luò)模型

射頻指紋互易變換網(wǎng)絡(luò)，作用是完成利用通信一方的射頻指紋產(chǎn)生另一方的指紋。該網(wǎng)絡(luò)主要由自動(dòng)編碼器組成，包括一個(gè)編碼器和一個(gè)解碼器，編碼器GE用于對(duì)輸入指紋進(jìn)行高維特征抽取，得到一個(gè)潛在向量z，解碼器GD用于利用潛在向量z 重構(gòu)出一個(gè)射頻指紋。輸入的訓(xùn)練集D={(X1,Y1),(X2,Y2),…,(XM,YM)}表示包含M對(duì)上下行兩個(gè)方向的射頻指紋的集合，其中XM表示終端設(shè)備的射頻指紋，YM為期望學(xué)到的與終端M相對(duì)應(yīng)的物聯(lián)網(wǎng)中心節(jié)點(diǎn)的射頻指紋。通過訓(xùn)練，該網(wǎng)絡(luò)能夠?qū)W習(xí)到收發(fā)雙方射頻指紋間存在的潛在對(duì)應(yīng)關(guān)系，從而利用一方的射頻指紋生成另一方的射頻指紋。

射頻指紋分類網(wǎng)絡(luò)，是基于CNN 的二分類網(wǎng)絡(luò)。旨在通過有監(jiān)督學(xué)習(xí)的方式，完成對(duì)射頻指紋特征提取的任務(wù)，實(shí)現(xiàn)對(duì)設(shè)備身份合法/非法性的判別。該CNN 網(wǎng)絡(luò)模型包括：兩個(gè)卷積層、四個(gè)ReLU 層、兩個(gè)池化層和三個(gè)全連接層。詳細(xì)的網(wǎng)絡(luò)參數(shù)設(shè)置如表1所示。

表1 基于卷積神經(jīng)網(wǎng)絡(luò)的射頻指紋分類網(wǎng)絡(luò)詳細(xì)參數(shù)

3 算法性能分析

3.1 實(shí)驗(yàn)設(shè)計(jì)

為了使得所提出的算法能取得較好的實(shí)際應(yīng)用價(jià)值，本文中的所有實(shí)驗(yàn)數(shù)據(jù)均由真實(shí)環(huán)境采集獲得。具體地，考慮由10 個(gè)HackRF One 軟件無(wú)線電設(shè)備組成的物聯(lián)網(wǎng)應(yīng)用場(chǎng)景。第一步，通過搭建相應(yīng)的軟件無(wú)線電平臺(tái)，實(shí)現(xiàn)對(duì)藍(lán)牙信號(hào)的模擬收發(fā)，并按照10倍過采樣率完成信號(hào)的采集。第二步，對(duì)采樣數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，提取基于多差分間隔星座軌跡圖的射頻指紋。第三步，利用設(shè)計(jì)好的網(wǎng)絡(luò)模型進(jìn)行相應(yīng)的性能測(cè)試。為了更好地模擬真實(shí)應(yīng)用場(chǎng)景，本文對(duì)數(shù)據(jù)集進(jìn)行人工劃分，劃分原則為：每次任意選取一個(gè)設(shè)備作為非法中心節(jié)點(diǎn)，組成一個(gè)數(shù)據(jù)集。例如，數(shù)據(jù)集Abn1 對(duì)應(yīng)著把1 號(hào)設(shè)備作為非法中心節(jié)點(diǎn)，其他設(shè)備作為合法中心節(jié)點(diǎn)。以此類推，得到Abn2，…，Abn10共十個(gè)數(shù)據(jù)集。每個(gè)數(shù)據(jù)集中，選取全部信號(hào)樣本的80%作為訓(xùn)練集，20%作為測(cè)試集，進(jìn)行網(wǎng)絡(luò)性能的測(cè)試。實(shí)驗(yàn)使用的數(shù)據(jù)處理軟件平臺(tái)為MATLAB R2017b，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練在PyTorch v0.4.1 框架上完成，并通過Adam 優(yōu)化算法進(jìn)行網(wǎng)絡(luò)優(yōu)化，動(dòng)量取值分別為β1=0.9，β2=0.999，初始學(xué)習(xí)率為0.0001，每一批次大小為128。

3.2 實(shí)驗(yàn)結(jié)果

圖4 展示了部分利用射頻指紋互易變換網(wǎng)絡(luò)生成的圖像。其中real 表示真實(shí)采集到的射頻指紋，也即期望學(xué)習(xí)到的目標(biāo)指紋；single-generate 和mix-gener?ate 分別表示利用單互易變換網(wǎng)絡(luò)、多互易變換網(wǎng)絡(luò)生成的重構(gòu)指紋，即互易變換網(wǎng)絡(luò)最終的學(xué)習(xí)結(jié)果。兩種網(wǎng)絡(luò)的模型架構(gòu)完全相同，區(qū)別之處在于輸入的訓(xùn)練數(shù)據(jù)所包含的設(shè)備種類數(shù)。其中，單互易變換網(wǎng)絡(luò)意為進(jìn)行通信的每一對(duì)收發(fā)設(shè)備都擁有自身獨(dú)立的變換網(wǎng)絡(luò)，輸入數(shù)據(jù)中僅包含這一對(duì)特定通信設(shè)備的信息。而多互易變換網(wǎng)絡(luò)則表示處于同一物聯(lián)網(wǎng)場(chǎng)景的多對(duì)用戶共用同一個(gè)互易變換網(wǎng)絡(luò)，其輸入數(shù)據(jù)中包含了多對(duì)通信設(shè)備的信息。總的來(lái)說(shuō)，兩種互易變換網(wǎng)絡(luò)各有所長(zhǎng)。單互易變換網(wǎng)絡(luò)可以對(duì)多種不同的互易特征進(jìn)行獨(dú)立學(xué)習(xí)，針對(duì)性更強(qiáng)；而多互易變換網(wǎng)絡(luò)能夠?qū)ヒ滋卣飨嗤亩嘟M設(shè)備進(jìn)行聯(lián)合學(xué)習(xí)，泛化性更強(qiáng)。

圖4 互易變換網(wǎng)絡(luò)生成的圖像和真實(shí)圖像的對(duì)比圖

通過與真實(shí)采集到的圖像進(jìn)行對(duì)比可以看出，所設(shè)計(jì)的射頻指紋互易變換網(wǎng)絡(luò)能夠很好的學(xué)習(xí)到通信雙方射頻指紋之間存在的互易特征，實(shí)現(xiàn)了在已知一方射頻指紋的情況下重構(gòu)出另一方射頻指紋的目的。

圖5 不同非法中心節(jié)點(diǎn)下分類網(wǎng)絡(luò)識(shí)別準(zhǔn)確率

為了進(jìn)一步驗(yàn)證利用射頻指紋互易變換網(wǎng)絡(luò)生成的射頻指紋的質(zhì)量，本文利用射頻指紋分類網(wǎng)絡(luò)對(duì)所生成的指紋進(jìn)行身份識(shí)別。圖5 展示了分類網(wǎng)絡(luò)對(duì)真實(shí)采集到的數(shù)據(jù)（real）、單互易變換網(wǎng)絡(luò)生成的數(shù)據(jù)（single-generate）以及多互易變換網(wǎng)絡(luò)生成的數(shù)據(jù)（mix-generate）進(jìn)行識(shí)別的結(jié)果。橫坐標(biāo)表示不同設(shè)備作為非法中心節(jié)點(diǎn)的情況，縱坐標(biāo)表示相應(yīng)的識(shí)別準(zhǔn)確率。

由圖5 可以看出，一方面，分類網(wǎng)絡(luò)對(duì)實(shí)際采集到的真實(shí)數(shù)據(jù)（real）的分類精度最高能達(dá)到100%，最低不小于95%，說(shuō)明該分類網(wǎng)絡(luò)具備識(shí)別物聯(lián)網(wǎng)中設(shè)備身份是否合法的能力。另一方面，無(wú)論是利用單互易變換網(wǎng)絡(luò)（single-generate）還是多互易變換網(wǎng)絡(luò)（mixgenerate）生成的數(shù)據(jù)，都能夠達(dá)到與真實(shí)數(shù)據(jù)的分類誤差不超過2.5%的分類精度。由此可以說(shuō)明，所設(shè)計(jì)的射頻指紋互易變換網(wǎng)絡(luò)能夠?qū)W習(xí)到通信雙方射頻指紋間的互易特性，具備對(duì)上下行鏈路的射頻指紋進(jìn)行轉(zhuǎn)換的能力。此外，在所有數(shù)據(jù)集上，基于單互易變換網(wǎng)絡(luò)生成的數(shù)據(jù)都能夠取得比基于多互易變換網(wǎng)絡(luò)生成的數(shù)據(jù)更高的識(shí)別率。

圖6 展示了對(duì)真實(shí)采集到的數(shù)據(jù)和利用多互易變換網(wǎng)絡(luò)生成的數(shù)據(jù)在不同信噪比下的分類準(zhǔn)確率曲線。圖中橫坐標(biāo)代表信噪比，縱坐標(biāo)代表分類準(zhǔn)確率。整體來(lái)看，隨著信噪比的增加，兩條曲線的分類準(zhǔn)確率都呈現(xiàn)增加趨勢(shì)。這是由于信噪比越高，信號(hào)的接收質(zhì)量越好，射頻指紋中包含的干擾和噪聲的影響越小，因此有利于提高分類效果。當(dāng)信噪比大于等于20db 時(shí)，兩類數(shù)據(jù)均能取得高達(dá)100%的分類準(zhǔn)確率。而在信噪比為10db 時(shí)的較低信噪比情況下，兩者也能達(dá)到不低于92%的分類準(zhǔn)確率，且基于多互易變換網(wǎng)絡(luò)生成的數(shù)據(jù)整體的分類性能要略優(yōu)于真實(shí)采集到的數(shù)據(jù)。

4 結(jié)語(yǔ)

物聯(lián)網(wǎng)由于受到設(shè)備硬件資源和網(wǎng)絡(luò)資源的限制，潛在的通信安全問題愈發(fā)突出?，F(xiàn)有的基于射頻指紋進(jìn)行設(shè)備身份識(shí)別的方法僅能支持單向身份識(shí)別，未充分研究網(wǎng)絡(luò)中心節(jié)點(diǎn)身份存在非法的風(fēng)險(xiǎn)，因而無(wú)法很好的滿足物聯(lián)網(wǎng)的需求。針對(duì)上述不足，本文提出了一種物聯(lián)網(wǎng)場(chǎng)景下基于射頻指紋的下行方向設(shè)備身份鑒權(quán)方案。核心思想是通過利用通信雙方間射頻指紋存在的互易特性，將下行方向的身份識(shí)別任務(wù)轉(zhuǎn)移到上行方向來(lái)完成。該方法充分考慮了物聯(lián)網(wǎng)場(chǎng)景中終端設(shè)備及網(wǎng)絡(luò)中心節(jié)點(diǎn)間的多重不對(duì)稱性，具有很好的實(shí)際應(yīng)用價(jià)值。實(shí)驗(yàn)結(jié)果表明，所提出的方法能夠達(dá)到很好的識(shí)別性能，彌補(bǔ)了傳統(tǒng)單向鑒權(quán)中存在的安全漏洞，進(jìn)一步提高物聯(lián)網(wǎng)安全。