【技术实现步骤摘要】
一种基于卷积神经网络的设备认证特征识别方法
本专利技术涉及无线通信设备的识别技术，特别是涉及一种基于卷积神经网络的设备认证特征识别方法。
技术介绍
随着物联网的飞速发展，越来越多的无线微型终端设备得到广泛的使用，比如射频标签，和无线传感器，其可以提供快捷的计算与通信网络。同时随着边缘计算的快速发展，物联网中心节点将会作为，边缘计算节点，作为小型的数据中心，微云中心，合理的调度，管理控制，各类物联网无线设备。在边缘计算节点，与各个无线设备的通信网络中，将会出现一系列的被攻击方式，比如克隆节点攻击，他们会对边缘计算节点发起，DDos攻击，导致物联网网络的瘫痪。面对这种计算资源不对称的场景，如何，防止恶意无线设备对边缘计算节点进行攻击，是亟待解决的问题。射频指纹识别技术是根据无线设备的射频指纹信号识别以确认无线设备，实现无线设备的身份认证。该技术是利用各个无线设备的硬件不同，比如印制电路板走线，集成电路内部元件与走线的不同，天线等无线发射模块的所有构成部分会存在电子元器件容差。无线发射模块的电子元器件容差效应是产生射频指纹的主要原因。由于任何两个无线设备的硬件都存在差异...
【技术保护点】
1.一种基于卷积神经网络的设备认证特征识别方法，其特征在于：包括以下步骤：S1.识别平台对合法无线设备和非法无线设备进行射频指纹信号采集：识别合法无线设备进行射频指纹信号采集，得到相同时间间隔下的射频指纹原始信号样本集A；同理,识别平台对模拟非法无线设备进行射频指纹信号采集，得到包含相同时间间隔下的射频指纹原始信号样本集B；所述步骤S1包括以下子步骤：S101.合法无线设备持续发射射频信号，识别平台利用接收天线，在奈奎斯特采样率下采集射频指纹信号，并且将信号按时间序列间隔存入寄存器，得到合法无线设备的射频指纹原始信号样本集A＝[A1,A2,…,AN]，其中N表示信号样本个数...
【技术特征摘要】
1.一种基于卷积神经网络的设备认证特征识别方法，其特征在于：包括以下步骤：S1.识别平台对合法无线设备和非法无线设备进行射频指纹信号采集：识别合法无线设备进行射频指纹信号采集，得到相同时间间隔下的射频指纹原始信号样本集A；同理,识别平台对模拟非法无线设备进行射频指纹信号采集，得到包含相同时间间隔下的射频指纹原始信号样本集B；所述步骤S1包括以下子步骤：S101.合法无线设备持续发射射频信号，识别平台利用接收天线，在奈奎斯特采样率下采集射频指纹信号，并且将信号按时间序列间隔存入寄存器，得到合法无线设备的射频指纹原始信号样本集A＝[A1,A2,…,AN]，其中N表示信号样本个数，An＝[x(1),x(2),…,x(t)]；n＝1,2,3,....,N，t表示信号采样点数；S102.合法无线设备停止向识别平台发射射频信号，非法无线设备开始向识别平台持续发送射频信号，识别平台利用接收天线，依然在奈奎斯特采样率下采集射频指纹信号，并将信号按照时间序列间隔存入寄存器中，得到非法无线设备的射频指纹原始信号样本集B＝[B1,B2,...,BN]，其中N表示信号样本个数，Bn＝[x(1),x(2),…,x(t)]，n＝1,2,3,....,N，t表示信号采样点数；S2.识别平台对射频指纹原始信号样本集A、B进行射频信号特征生成：对于原始信号样本集A、B中的各个样本分别进行时频变换，再送入卷积神经网络进行处理，产生多维度的射频指纹特征样本集A′、B′；所述步骤S2包括以下子步骤：S201.对于样本集A、B中的任一个射频指纹信号X，进行时频变换分析，生成特征矩阵X′，其中，X为An或Bn，n＝1,2,3,....,N；S202.将时频变换分析得到的特征矩阵X′送入卷积层并与多个神经元进行卷积运算，经过卷积运算后，输出对应的特征矩阵S203.将特征矩阵送入池化层，由池化层对特征矩阵进行数据压缩，减少识别算法中出现的过拟合现象，并进行降维，去掉冗余进行次采样得到对应的特征矩阵S204.将特征矩阵送入卷积层，再次进行卷积运算，得到特征矩阵S205.将特征矩阵送入池化层，进一步的压缩...
【专利技术属性】
技术研发人员：陈松林，文红，蒋屹新，许爱东，李鹏，谢非佚，曹阳，刘文洁，雷文鑫，唐洁瑶，
申请(专利权)人：南方电网科学研究院有限责任公司，电子科技大学，
类型：发明
国别省市：广东,44
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。