蔣紅亮， 王申華， 趙凱美， 應(yīng)雨龍， 李靖超， 何湘威

(1. 國網(wǎng)浙江武義縣供電有限公司， 浙江 金華 321200； 2. 上海電力大學(xué) 能源與機(jī)械工程學(xué)院， 上海 200090；3. 上海電機(jī)學(xué)院 電子信息學(xué)院, 上海 201306)

確保無線通信信息安全是構(gòu)建可靠、穩(wěn)健的物聯(lián)網(wǎng)的基礎(chǔ)。隨著無線通信網(wǎng)絡(luò)帶來的信息安全問題的不斷出現(xiàn)，如何準(zhǔn)確地識(shí)別和認(rèn)證物聯(lián)對(duì)象，阻止重放攻擊、用戶身份假冒和設(shè)備克隆等問題的發(fā)生，是物聯(lián)網(wǎng)安全運(yùn)行需要解決的首要問題。傳統(tǒng)的物聯(lián)設(shè)備身份認(rèn)證機(jī)制是在應(yīng)用層利用密碼算法生成第三方難以仿冒的數(shù)值結(jié)果來實(shí)現(xiàn)的，但這種身份認(rèn)證機(jī)制存在協(xié)議安全漏洞和密鑰泄露等風(fēng)險(xiǎn)。物聯(lián)網(wǎng)感知層終端設(shè)備具有多樣化、智能化、復(fù)雜化且數(shù)量龐大的特點(diǎn)，雖然傳統(tǒng)的介質(zhì)訪問控制(MAC)層及上層的認(rèn)證機(jī)制(基于大功耗的密碼算法和協(xié)議)可以在一定程度上保障信息安全；但是并不適用于處理大規(guī)模網(wǎng)絡(luò)及其所帶來的海量數(shù)據(jù)，難以滿足物聯(lián)網(wǎng)的信息安全需求[1]，因此，研究一種錯(cuò)誤率低、高效率、低成本的感知層終端設(shè)備接入與控制的身份識(shí)別認(rèn)證方法，是確保物聯(lián)網(wǎng)穩(wěn)健運(yùn)行的關(guān)鍵。

物理層認(rèn)證是保障無線通信安全的核心技術(shù)之一，其基本原理是聯(lián)合收發(fā)信道與傳輸信號(hào)的空時(shí)特異性，對(duì)通信雙方的物理特征進(jìn)行驗(yàn)證，從而在物理層實(shí)現(xiàn)設(shè)備身份認(rèn)證[2-4]。與應(yīng)用層的認(rèn)證技術(shù)相比較，物理層認(rèn)證能夠有效抵御模仿攻擊，具有認(rèn)證速度快、復(fù)雜度低、兼容性好、不需要考慮各種協(xié)議執(zhí)行的優(yōu)點(diǎn)。如今對(duì)物理層安全認(rèn)證技術(shù)的研究還處于初級(jí)階段，豐富的物理層資源并沒有得到充分利用，仍具有很大的研究空間。射頻指紋識(shí)別是基于設(shè)備物理層硬件的非密碼認(rèn)證方法，無需消耗額外的計(jì)算資源，也無需嵌入額外的硬件，是構(gòu)建低成本、 更簡(jiǎn)潔、 更安全的識(shí)別認(rèn)證系統(tǒng)的非常有潛力的技術(shù)[5]。射頻指紋識(shí)別技術(shù)的傳輸信號(hào)分為瞬態(tài)信號(hào)和穩(wěn)態(tài)信號(hào)2種。由于瞬態(tài)信號(hào)持續(xù)時(shí)間短，難以捕獲，對(duì)突變點(diǎn)檢測(cè)和定位較為敏感，因此限制了其在實(shí)際環(huán)境中的應(yīng)用[6]。根據(jù)特征提取方法的不同，分為基于波形域的指紋識(shí)別方法[7-9]和基于調(diào)制域的指紋識(shí)別方法。電磁信號(hào)受發(fā)射機(jī)載頻偏移、 功率放大器非線性、 正交調(diào)制器不平衡和直流偏移等因素的影響，差異性直接表現(xiàn)在信號(hào)的調(diào)制域上，為在調(diào)制域構(gòu)建發(fā)射機(jī)的射頻指紋識(shí)別提供了可能。

目前， 正交調(diào)制在通信信號(hào)中得到了廣泛的應(yīng)用， 涉及到的調(diào)制域特征有載頻偏移、 調(diào)制偏移、 同相相位(I)/正交相位(Q)偏移、 星座軌跡圖[10]、 差分星座軌跡圖[11]等特征及其組合。 調(diào)制域方法以I/Q信號(hào)樣本為基本處理單元，利用調(diào)制方案強(qiáng)制賦予的信號(hào)結(jié)構(gòu)， 使信號(hào)發(fā)射機(jī)的特定屬性更加容易識(shí)別。 深度學(xué)習(xí)方法給射頻指紋識(shí)別提供了新的思路和技術(shù)[12]， 相較于傳統(tǒng)機(jī)器學(xué)習(xí)方法， 其在系統(tǒng)異構(gòu)信息的利用以及海量數(shù)據(jù)的處理方面具備明顯的優(yōu)勢(shì)。 目前基于深度學(xué)習(xí)的指紋識(shí)別技術(shù)主要直接利用基帶數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)， 試圖讓算法自己去尋找指紋特征， 取得了一定效果； 但是， 由于其具有“黑箱”的特點(diǎn)， 因此最好與特征工程的方法相結(jié)合來研究， 以增強(qiáng)深度學(xué)習(xí)模型的可解釋性， 提高射頻指紋識(shí)別機(jī)理方面的認(rèn)識(shí)。為了準(zhǔn)確地識(shí)別和認(rèn)證物聯(lián)對(duì)象，阻止用戶身份假冒和設(shè)備克隆等問題的發(fā)生，本文中提出一種基于差分等勢(shì)星球圖的通信輻射源個(gè)體識(shí)別方法；通過差分等勢(shì)高星球圖的射頻指紋特征提取，在不對(duì)接收機(jī)的載波頻率偏差和相位偏差進(jìn)行估計(jì)和補(bǔ)償?shù)那闆r下，獲取較穩(wěn)定的通信輻射源個(gè)體(發(fā)射機(jī))射頻指紋；對(duì)同廠家、同型號(hào)、同批次的20個(gè)無線保真網(wǎng)卡設(shè)備進(jìn)行識(shí)別測(cè)試。

1 基于調(diào)制信號(hào)統(tǒng)計(jì)圖域的特征提取方法

星座圖是把調(diào)制信號(hào)在特定基向量投影下的端點(diǎn)在以I路為橫坐標(biāo)、Q路為縱坐標(biāo)的二維坐標(biāo)上畫出來得到的矢量圖，每個(gè)向量端點(diǎn)(也稱為符號(hào)點(diǎn))可以表達(dá)信號(hào)在某一時(shí)刻相對(duì)載波的幅度、 相位2種基本信息，其在兩坐標(biāo)軸的投影即為當(dāng)前時(shí)刻的兩路基帶信號(hào)。數(shù)字調(diào)制信號(hào)的符號(hào)點(diǎn)數(shù)量是有限的，將所有符號(hào)點(diǎn)都表示在同一矢量圖中，即構(gòu)成星座圖[13-14]。2018年，Peng等[15]首先提出了一種基于調(diào)制信號(hào)統(tǒng)計(jì)圖域的深度學(xué)習(xí)識(shí)別方法，指出電磁信號(hào)的統(tǒng)計(jì)特征，例如幅度失衡、 正交誤差、 相關(guān)干擾、 相位和幅度噪聲、 相位誤差等，可以通過星座圖來表征，如圖1所示。

I—同相相位； Q—正交相位。

通信輻射源個(gè)體的射頻基帶信號(hào)(I、 Q路信號(hào))數(shù)學(xué)本質(zhì)上為復(fù)數(shù)信號(hào)， 即每個(gè)信號(hào)點(diǎn)都是復(fù)平面上的一個(gè)包含幅值信息與相位信息的符號(hào)。 通過深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)星座圖進(jìn)行學(xué)習(xí)訓(xùn)練， 可以有效地學(xué)習(xí)到每一段射頻基帶信號(hào)的包含原有發(fā)射機(jī)(通信輻射源個(gè)體)物理層本質(zhì)特征的射頻指紋， 因此可以實(shí)現(xiàn)通信輻射源的個(gè)體識(shí)別。

2 基于差分等勢(shì)星球圖的深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別方法

星座圖可以有效提取電磁信號(hào)波形中的I、Q兩路信號(hào)關(guān)聯(lián)信息，有效地提升電磁信號(hào)的識(shí)別準(zhǔn)確性，但是電磁信號(hào)波形數(shù)據(jù)在轉(zhuǎn)換為圖像的過程中不可避免地存在信息損失。此外，由于其為二值圖，因此在低信噪比下統(tǒng)計(jì)特征會(huì)被噪聲淹沒。本文中將物聯(lián)網(wǎng)終端設(shè)備發(fā)出的電磁波信號(hào)所攜帶的固有的、本質(zhì)的無意調(diào)制信息作為設(shè)備的可識(shí)別指紋特征。

通過差分等勢(shì)星球圖的有效特征提取方法，建立了設(shè)備指紋特征的精細(xì)畫像數(shù)據(jù)庫，并將一維射頻信號(hào)特征集轉(zhuǎn)換為二維圖像數(shù)據(jù)集，并且使用深度卷積神經(jīng)網(wǎng)絡(luò)來識(shí)別提取的射頻指紋的精細(xì)畫像，從而實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)物理層終端設(shè)備的可靠識(shí)別和認(rèn)證。

假設(shè)通信輻射源個(gè)體發(fā)射的射頻信號(hào)s(t)=x(t)e-j2πft t， 其中t為采樣點(diǎn)位置，x(t)為發(fā)射機(jī)基帶信號(hào)，ft為發(fā)射機(jī)載波頻率。若通信輻射源個(gè)體的射頻電路是理想的，信道也是理想的，則接收機(jī)接收到的信號(hào)r(t)=s(t)。

接收機(jī)將信號(hào)進(jìn)行下變頻得到基帶信號(hào)y(t)=r(t)ej(2πfr t+φ)，其中fr為接收機(jī)載波頻率，φ為接收機(jī)接收信號(hào)時(shí)的相位誤差。

當(dāng)fr≠ft時(shí)，接收機(jī)下變頻得到的基帶信號(hào)即為y(t)=x(t)ej(2πθt+φ)，其中θ=fr-ft。由于解調(diào)的信號(hào)含有殘余的頻率偏差θ，導(dǎo)致基帶信號(hào)的每一個(gè)采樣點(diǎn)都有一個(gè)相位旋轉(zhuǎn)因子ej2πθt。由于該相位旋轉(zhuǎn)因子隨著采樣點(diǎn)位置t的不同而變化，因此會(huì)造成星座軌跡圖整體的旋轉(zhuǎn)。

d(t)=y(t)y*(t+n)=

x(t)ej(2πθt+φ)x(t+n)e-j[2πθ(t+n)+φ]=x(t)x(t+n)e-j2πθn，

(1)

式中：d(t)為差分處理后的信號(hào)；y*為y的共軛值；n=1。

差分處理后的信號(hào)d(t)雖然還含有一個(gè)相位旋轉(zhuǎn)因子e-j2πθn；但是該相位旋轉(zhuǎn)因子是一個(gè)恒定的數(shù)值，不會(huì)隨著采樣點(diǎn)位置的變化而改變，因此差分處理后的新的I、Q兩路信號(hào)僅包含一個(gè)恒定數(shù)值的相位旋轉(zhuǎn)因子，在不對(duì)接收機(jī)的載波頻率偏差和相位偏差進(jìn)行估計(jì)和補(bǔ)償，也可以獲取較穩(wěn)定的星座圖，如圖2所示。

I—同相相位； Q—正交相位。

根據(jù)二維差分星座圖點(diǎn)密度的不同， 給予不同區(qū)域不同顏色的分配， 將一維信號(hào)轉(zhuǎn)化為二維彩色圖像， 更為全面地描述信號(hào)的細(xì)微特征， 如圖3所示。

圖3 差分星座圖轉(zhuǎn)換的差分等勢(shì)星球圖

將通過基帶信號(hào)采集得到的復(fù)信號(hào)(I、Q兩路)經(jīng)過差分處理后，轉(zhuǎn)換成差分星座圖，將密度窗函數(shù)在圖片上滑動(dòng)時(shí)，密度窗口函數(shù)將計(jì)算窗中的點(diǎn)數(shù)。不同的計(jì)算結(jié)果代表著不同的密度，使用不同的顏色標(biāo)記不同的密度。黃色表示采樣點(diǎn)相對(duì)高密度區(qū)域，綠色表示采樣點(diǎn)相對(duì)中等密度區(qū)域，藍(lán)色表示采樣點(diǎn)低密度區(qū)域。

差分等勢(shì)星球圖通過點(diǎn)密度特征可以恢復(fù)一定低信噪比下的星座圖丟失的統(tǒng)計(jì)特征，更為全面地描述信號(hào)的細(xì)微特征。再使用深度卷積神經(jīng)網(wǎng)絡(luò)來識(shí)別提取的射頻指紋的精細(xì)畫像，從而可以實(shí)現(xiàn)對(duì)物聯(lián)網(wǎng)物理層終端設(shè)備的可靠識(shí)別和認(rèn)證，如圖4所示。

圖4 基于差分等勢(shì)星球圖的深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別模型

3 應(yīng)用與分析

常見的無線網(wǎng)絡(luò)信號(hào)有碼分多址(CDMA)、 無線保真(Wi-Fi)、 全球移動(dòng)通信系統(tǒng)(GSM)、 全球微波互聯(lián)接入(WiMax)、 無線射頻識(shí)別(RFID)、 藍(lán)牙(Bluetooth)、寬帶碼分多址(WCDMA)、 長(zhǎng)期演進(jìn)(LTE)、 紫蜂(ZigBee)、 Z-Wave等。 由于易于部署， 因此Wi-Fi已成為連接局域網(wǎng)(LAN)和物聯(lián)網(wǎng)(IoT)中的各種無線設(shè)備的普遍通信介質(zhì)。 此外， 為了準(zhǔn)確地識(shí)別和認(rèn)證物聯(lián)對(duì)象， 阻止用戶身份假冒和設(shè)備克隆等問題的發(fā)生，以識(shí)別同廠家、 同型號(hào)、 同批次的20個(gè)Wi-Fi網(wǎng)卡設(shè)備為例， 測(cè)試過程如下。

基帶信號(hào)采集設(shè)備為FSW26型頻譜儀，采集環(huán)境為實(shí)驗(yàn)室室內(nèi)場(chǎng)景。共采集20個(gè)Wi-Fi網(wǎng)卡設(shè)備，每個(gè)設(shè)備采集50個(gè)樣本；信號(hào)采樣頻率為80 MHz，每次采集1.75 ms，即每樣本點(diǎn)個(gè)數(shù)為140 000(以單路為例)，其中通過方差軌跡變點(diǎn)檢測(cè)算法[16]除去信號(hào)噪聲段的有效數(shù)據(jù)傳輸段點(diǎn)數(shù)為80 000(均為穩(wěn)態(tài)信號(hào))，再對(duì)有效數(shù)據(jù)傳輸段進(jìn)行切片(以點(diǎn)數(shù)10 000為新樣本)處理， 則每個(gè)樣本切出了8個(gè)有效數(shù)據(jù)傳輸段片段，再以每個(gè)片段為一個(gè)樣本，則每個(gè)設(shè)備共有50×8=400個(gè)樣本，此時(shí)，總共有20×400=8 000個(gè)樣本(生成差分等勢(shì)星球圖后，隨機(jī)選擇6 400個(gè)樣本生成用于深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，剩余的1 600個(gè)樣本進(jìn)行識(shí)別測(cè)試， 其中對(duì)于每個(gè)無線設(shè)備，訓(xùn)練樣本個(gè)數(shù)為320，測(cè)試樣本個(gè)數(shù)為80)。

某Wi-Fi網(wǎng)卡設(shè)備的樣本信號(hào)如圖5所示，其中橫坐標(biāo)表示數(shù)據(jù)點(diǎn)數(shù)，縱坐標(biāo)表示幅值(無量綱)。

(a)I路信號(hào)

為了說明本文中提出的差分等勢(shì)星球圖方法的有效性，與未經(jīng)差分處理的等勢(shì)星球圖的射頻指紋提取方法[17-18]以及差分星座軌跡圖的射頻指紋提取方法[11]進(jìn)行對(duì)比，所選用的深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)均一致，如表1所示。

表1 深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

某Wi-Fi網(wǎng)卡設(shè)備的樣本信號(hào)轉(zhuǎn)化為未經(jīng)差分處理的等勢(shì)星球圖的示例如圖6所示。

某Wi-Fi網(wǎng)卡設(shè)備的樣本信號(hào)經(jīng)過差分處理后形成新的I、 Q兩路信號(hào)如圖7所示。

某Wi-Fi網(wǎng)卡設(shè)備的樣本信號(hào)轉(zhuǎn)化為差分等勢(shì)星球圖的示例，如圖8所示。最后經(jīng)過深度卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別認(rèn)證，分別得到基于未經(jīng)差分處理的等勢(shì)星球圖特征的通信輻射源個(gè)體識(shí)別結(jié)果、基于差分星座軌跡圖特征的通信輻射源個(gè)體識(shí)別結(jié)果和基于本文中所提方法的通信輻射源個(gè)體識(shí)別結(jié)果，如圖9所示。

(a)基于未經(jīng)差分處理的等勢(shì)星球圖特征

由圖9可以看出，基于未經(jīng)差分處理的等勢(shì)星球圖特征的通信輻射源個(gè)體識(shí)別成功率為90.4%，基于差分星座軌跡圖特征的通信輻射源個(gè)體識(shí)別成功率為88.6%，基于本文中所提出方法的識(shí)別成功率為98.6%，說明在使用相同的深度卷積神經(jīng)網(wǎng)絡(luò)模型架構(gòu)下，相較于傳統(tǒng)的基于星座圖的統(tǒng)計(jì)圖域方法，本文中提出的方法在計(jì)算效率不降低的前提下(采用4.0 GHz雙處理器的筆記本電腦時(shí)，深度卷積神經(jīng)網(wǎng)絡(luò)模型每次識(shí)別的平均計(jì)算耗時(shí)不超過20 ms)，可以極大地提高識(shí)別準(zhǔn)確率。

4 結(jié)論

物聯(lián)網(wǎng)非法接入設(shè)備的數(shù)據(jù)攻擊將對(duì)整個(gè)網(wǎng)絡(luò)造成嚴(yán)重的干擾與威脅，僅依靠傳統(tǒng)的應(yīng)用層密碼認(rèn)證方法難以保證通信系統(tǒng)的安全，因此設(shè)計(jì)有效的物理層認(rèn)證系統(tǒng)具有重要意義。本文中提出了一種基于差分等勢(shì)星球圖的通信輻射源個(gè)體識(shí)別方法。同廠家、同型號(hào)、同批次的20個(gè)Wi-Fi網(wǎng)卡設(shè)備的識(shí)別測(cè)試表明，差分等勢(shì)星球圖可用作從穩(wěn)態(tài)信號(hào)的傳輸數(shù)據(jù)段提取的發(fā)射機(jī)射頻指紋的精細(xì)畫像。相較于傳統(tǒng)的基于星座圖的統(tǒng)計(jì)圖域方法，基于差分等勢(shì)星球圖特征的發(fā)射機(jī)射頻指紋具有更優(yōu)的魯棒性。在使用相同的深度卷積神經(jīng)網(wǎng)絡(luò)模型架構(gòu)下，相較于傳統(tǒng)的基于星座圖的統(tǒng)計(jì)圖域方法，本文中所提出的方法可以大大提高識(shí)別準(zhǔn)確率。

今后的研究工作可以進(jìn)一步在某一具體實(shí)際應(yīng)用場(chǎng)景中測(cè)試并改進(jìn)優(yōu)化本文中所提出的方法。