【技术实现步骤摘要】
基于深度支持向量描述方法的物理层身份认证方法
[0001]本专利技术属于无线通信中的物理层安全领域,具体涉及基于深度支持向量描述方法的 物理层身份认证。
技术介绍
[0002]“接入安全”是影响无线网络安全性的重要因素。在传统安全机制中,接入安全 主要依赖于开放系统互联(Open System Interconnection,OSI)模型中数据链路层、网 络层、传输层、会话层以及应用层的一系列安全协议。然而,基于现代密码学的传统 安全机制主要依靠合法用户和攻击者的信息不对称,使得攻击者无法在短时间内破译 密文,实现计算上的安全。但是,随着计算能力的飞速发展,合法用户不得不缩短密 钥更新时间、增加密钥长度或者提升加密方法的复杂度来确保安全体系的有效性,这 无疑会增加通信资源和计算资源的消耗,给资源有限的终端设备带来巨大的负担。与 此同时,密钥存在被泄露的风险,防护程度不高。
[0003]与依赖于计算复杂度和密钥的上层安全技术相比较,物理层身份认证技术通过对 无线信道特性的利用,具备计算复杂度低和安全系数高的优势。本专利技术中利用了信道 状态信息(Channel State Information,CSI),在已经开始合法通信后,使用深度支持 向量描述(Deep Support Vector Data Description,Deep SVDD)方法,检测是否有伪 冒用户异常接入。
技术实现思路
[0004]技术问题:在通信系统中存在合法信息发送者、合法信息接收者和攻击者,合法 信息发送者和合法信 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度支持向量描述方法的物理层身份认证方法,其特征在于该身份认证方法中,数据样本将通过神经网络从样本空间映射到一个超球体中,在训练模型阶段,通过迭代不断更新神经网络权重,使得数据样本尽可能多地映射到超球体内,同时保证超球体体积最小;在认证阶段,若数据样本映射到超球体内,则视为合法信息发送者信息,反之,则视为攻击者信息。2.根据权利要求1所述的一种基于深度支持向量描述方法的物理层身份认证方法,其特征在于身份认证方法包括如下步骤:第一步:收集T个时刻的合法用户之间的CSI数据作为训练数据集,其中每条记录,即t时刻的CSI数据,t=1,2,
…
T,称为一个训练样本,T值决定着训练样本的数目,训练样本太少会降低认证模型的泛化能力,而训练样本太多会导致模型训练时间延长,造成不必要的计算资源浪费,T值可以根据仿真情况选取;第二步:数据预处理,本步骤包括如下流程:2.1.特征矩阵重构:为了便于神经网络的计算,需改变训练样本的结构,并将训练样本从复矩阵变为实矩阵;重构后的实矩阵为H
rec
(t)∈R
M
×
N
×
D
,其中M=N
T
×
N
R
,N=N
S
,D=2表示复矩阵的实部和虚部。转化公式如下:其中,i=1,2,
…
N
T
,j=1,2,
…
N
R
,k=1,2,
…
N
S
,real(x)函数表示取复数x的实部,imag(x)函数表示取复数x的虚部;2.2.数据标准化:为了提升模型精度和收敛速度,需对训练样本H
rec
(t),进行标准化处理,经标准化后的样本数据的均值为0、方差为1,其转化函数如下:其中,H
scaled
(t)表示经标准化后的训练样本,μ表示所有训练样本数据的均值,σ表示所有训练样本数据的标准差;第三步:训练并生成深度支持向量描述模型。模型的生成过程分为前向传播阶段和反向传播阶段,需要多次重复这两个阶段来更新调整模型参数,促使认证模型达到预期性能目标,每一次的重复称为一次“迭代”,最大迭代次数ite
max
需要根据模型的收敛情况确定;第四歩:使用深度支持向量描述模型进行身份认证。本步骤包括如下流程:4.1.合法信息接收者在T+t
′
时刻接收到源自于未知用户即合法信息接收者或攻击者的信号r(T+t
′
),经过信道估计得到CSI矩阵4.2.对进行如同第二步中的数据预处理得到H
scaled
(T+t
′
)作为神经网络的输入。4.3.H
scaled
(T+t
′
)通过神经网络的前向传播阶段输出Y(T+t
′
)。4.4.根据公式(8)计算Dist(T+t
′
),若Dist(T+t
′
)小于等于超球体半径R,则信号r(T+t
′
)是源自于合法信息发送者;若Dist(T+t
′
)大于超球体半径R,则信号r(T+t
′
)是源自于攻击者,即完成身份认证。
3.根据权利要求1所述的一种基于深度支持向量描述方法的物理层身份认证方法,其特征在所述的第一步包括如下流程:1.1.合法合法信息发送者在t时刻向合法信息接收者发送包含有导频信息的数据s(t),s(t)是一个N
T
×
N
S
的复矩阵,s(t)经多径衰落信道传送至合法信息接收者,该过程可以表示为:其中,r(t)表示合法信息接收者接收到的信号,h(t)表示多径衰落信道的冲激响应,n(t)表示信道噪声,表示卷积操作;1.2.合法信息接收者对接收到的信号进行信道估计,得到CSI矩阵得到CSI矩阵就是训练数据集中的一个训练样本,是一个N
T
×
N
R
×
N
S
维的复矩阵;1.3.重复步骤1.1、1.2操作T次,收集T个时刻的CSI矩阵作为训练数据集。4.根据权利要求1所述的一种基于深度支持向量描述方法的物理层身份认证方法,其特征在所述的第三步包括如下流程:3.1.初始化,初始化设置迭代次数ite=0,神经网络的权重W为随机值;3.2.前向传播阶段,神经网络的输入为经数据预处理后的训练数据集,训练数据集包含有T条训练样本,每一条训练样本为H
scaled
(t)∈R
M
×
N
×
D
,其中每个切片矩阵称为一个输入特征映射,计算得到神经网络的输出矢量Y(t),3.3.反向传播阶段,在该阶段以最小化损失...
【专利技术属性】
技术研发人员:潘志文,邵旖洁,刘楠,尤肖虎,
申请(专利权)人:网络通信与安全紫金山实验室,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。