.png){kind=icon}
返回
Simplifying Multi-Domain Specific Emitter Identification
.png){kind=icon}
OA
AI
DOI：10.1109/ojcoms.2026.3713690.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无线通信系统是日常生活的无缝、无处不在的一部分，因此需要安全性；然而，持续、相关且有效的安全性仍然是一个持续的挑战。物理层安全机制，如特定发射器识别（SEI），可以补充比特级安全机制，并通过为多因素认证的“你所拥有的”和“你所知道的”提供“你是谁”来帮助解决这一挑战。目前，基于深度学习（DL）的SEI是一种突出的物理层安全方法；然而，它面临着被称为多域问题的根本挑战。多域问题发生在神经网络（NN）在一个数据集上训练后，在分类其训练过程中未见过的另一个数据集的数据时，性能严重下降。本研究引入了基于认证波形、通过同步观测和MAC验证估计的发射器识别（AWESOME），一种多域SEI方法，通过缓解波形收集的人工痕迹和程序，同时降低神经网络架构复杂度来解决这种性能下降。这导致了一种计算效率高且在发射器类型和无线协议方面具有良好泛化能力的方法，同时优于更复杂的域适应技术。所提出的多域SEI方法使用单层长短期记忆（LSTM）网络，在识别八个无线保真（Wi-Fi）发射器时达到最高99.37%的准确率，在识别八个ZigBee发射器时达到98.1%的准确率，且单波形决策分别在约49.39μs和116.94μs内完成。
Keyword:
Artificial intelligence
communications security
cross collection
deep learning
domain adaptation
multi-domain
physical-layer security
RF fingerprinting
specific emitter identification
期刊
I
IF:
6.1
论文数:
619
被引数:
0
机构
引用论文
Physical Layer-Based IoT Security: An Investigation Into Improving Preamble-Based SEI Performance When Using Multiple Waveform Collections.png)
IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏DeepRadioIDProceedings of the Twentieth ACM International Symposium on Mobile Ad Hoc Networking and Computing
OAAI
Proceedings of the Twentieth ACM International Symposium on Mobile Ad Hoc Networking and ComputingIF0
OAAI分享收藏
查看更多内容