Fadul M K M, Reising D R, Loveless T D, et al. RF-DNA Fingerprint Classification of OFDM Signals Using a Rayleigh Fading Channel Model[C]//2019 IEEE Wireless Communications and Networking Conference (WCNC). IEEE, 2019: 1-7.
RF Fingerprint detection in a wireless multipath channelieeexplore.ieee.org1、摘要:
物联网是一组能够与物理世界和基于计算机的系统进行交互的互联网连接设备的集合,到2020年,估计将由200到500亿个设备组成。由于这些数字和事实,如果边缘设备没有加密或加密较差,则需要一种机制来保护这些设备和关联的网络。特定发射器标识(SEI)是一种被建议的IoT安全机制。但是,多路径环境中的性能很少受到关注。这项工作提出了一种新颖的,基于Nelder-Mead(NM)的信道估计器在射频不同的本机属性(RF-DNA)指纹识别过程中的集成,以便在IoT设备在多路径环境中运行并降低信号强度时促进序列号识别噪声比。正确的分类性能百分比用于评估已开发的RF-DNA指纹识别过程。评估了另外两种SEI方法,以促进使用瑞利衰落信道对四个IEEE 802.11a WiFi无线电的序列号判别进行比较分析。相对于自适应补偿器(A-C)和N-M SEI方法,RFDNA指纹识别是在SNR≥21dB的L = 2瑞利衰落信道中实现可靠(优于95%)所有无线电识别的最佳方法。
2、结论与未来工作:
基于波形的方法(例如RF-DNA指纹识别)提供了一种潜在的机制,可用来保护IoT设备和相关网络的安全,尤其是考虑到70%的IoT设备使用弱加密或不加密时[4]。这项工作通过一种新颖的基于N-M的估计器开发并集成了信道估计,并在RF-DNA指纹识别过程中进行了校正,以促进在多路径环境中运行的无线IoT设备的序列号判别。
正确的分类性能百分比用于评估已开发的RF-DNA指纹识别过程,该过程使用从四个IEEE 802.11a Wi-Fi无线电收集的波形,室内瑞利衰落信道模型以及降低的SNR进行评估。实施了另外两种SEI方法以促进比较评估。相对于A-C和N-M 的SEI方法,RF-DNA指纹识别是在SNR≥18 dB的L = 2瑞利衰落信道内实现对所有四个802.11a Wi-Fi无线电的可靠序列号鉴别的最佳手段。此性能改进是2019年IEEE无线通信和网络会议(WCNC)的成果,这归因于基于Gabor的RF-DNA指纹捕获所收集波形中存在的联合和瞬时TF变化,而基于时间或频率的SEI固有地将其忽略为在[18]中。
对于RF-DNA指纹结果,在SNR≥21dB时,所有四个Wi-Fi无线电的95%或更高的正确识别性能证明了基于N-M的信道估计器的有效性。使用理想的Wi-Fi前导码和4,000个独特的多径信道,N-M方法的平均平方估计误差百分比为0.53×10-3,而在SNR = 9 dB时,通过最小二乘估计误差为