基于多域物理层指纹特征的Wi-Fi设备识别系统及方法技术方案

本发明专利技术公开了一种基于多域物理层指纹特征的Wi

【技术实现步骤摘要】
基于多域物理层指纹特征的Wi
‑
Fi设备识别系统及方法


[0001]本专利技术属于设备识别的
，主要涉及了一种基于多域物理层指纹特征的Wi
‑
Fi设备识别系统及方法。

技术介绍

[0002]随着物联网的快速发展，Wi
‑
Fi作为物联网中常用无线技术逐步成为现代计算平台和嵌入式系统中不可缺少的部分，准确识别无线网络中的设备越发重要。在无线设备接入网络阶段，由于物联网设备计算资源紧缺，传统的基于密码学的认证协议难以实现。而在无线设备进行无线通信过程中，由于无线传输的广播特性，恶意用户极易接入网络以实施诸如中间人、拒绝服务等攻击，而伪造成合法设备是攻击成功的重要前提，诸如IP地址、MAC地址等标识符容易通过软件改写。此外，在无线附属服务可用性方面，许多基于无线协议的定位、资产追踪、行程时间估计以及行为建模等服务，例如Yfind、Skyhook和Nomi等商业产品，其服务的有效性需要目标设备在一段时间内被唯一识别。
[0003]针对上述这些问题，无线设备指纹识别是一个颇具前景的解决方案，识别所依赖的各种特征可以从物理层、数据链路层以及协议栈上层被提取以生成各层指纹。然而，目前IEEE 802.11协议的数据链路层以上已被加密：据WiGLE统计，截至2021年3月，只有3.02％的Wi
‑
Fi网络没有加密，这意味着许多基于上层指纹的识别系统适用范围狭小甚至难以实现。而基于数据链层的指纹往往只能识别不同厂商的设备，无法区别设备个体且指纹较易伪造。
[0004]基于物理层特征的指纹识别需要用到特殊的硬件设备，如信号分析仪或USRP(Universal Software Radio Peripheral)，以获得原始无线信号或原始信号的复包络(Complex Envelope)，设备的选择与处理的信号部位有关。从物理层提取的特征可以分为信道相关特征、硬件相关特征和其他特征三类。在提取特征之后，紧接着是对特征的处理与指纹生成识别。考虑到提取的特征可能相关，因此降维分析等手段被用来做特征选择。而指纹生成比对算法一般分为基于相似度度量、基于分类以及基于无监督学习的识别算法三类。大部分针对物理层指纹特征识别技术的研究存在以下几点问题。其一，没有充分考虑硬件对实际落地的限制，基于信号分析仪的信号采集成本过高。其二，在真实环境下，对于物理层调制方式较复杂的无线协议，如采用了OFDM调制方式的IEEE 802.11，其识别准确率与决策速度也有待提高。

技术实现思路

[0005]本专利技术正是针对现有技术中物理层指纹特征的设备识别提取特征代价高，真实环境中无线设备其识别准确率与速度低的问题，提供一种基于多域物理层指纹特征的Wi
‑
Fi设备识别系统及方法，包括信号采集与处理模块、特征提取模块及指纹识别模块，所述信号采集与处理模块：利用USRP采集无线电信号，经USRP解调后的复数基带信号的采样信号作为无线接收机输入，软件解调后，采样信号被解码至数据链路层，输出帧数据并传输至特征
提取模块；所述特征提取模块：对信号采集与处理模块输出的帧数据，进行信号处理与特征提取，提取射频信号具有的调制域特征、波形域特征以及统计度量和调制编码方案特征；所述波形域特征提取包括时域特征和频域特征；所述指纹识别模块：基于提取的特征进行分类模型训练，根据特征的维度及特征间的相关性选择最佳的分类模型，将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型，进行设备的指纹匹配，实现设备的识别。
[0006]为了实现上述目的，本专利技术采取的技术方案是：基于多域物理层指纹特征的Wi
‑
Fi设备识别系统，包括信号采集与处理模块、特征提取模块及指纹识别模块，
[0007]所述信号采集与处理模块：利用USRP采集无线电信号，经USRP解调后的复数基带信号的采样信号作为无线接收机输入，软件解调后，采样信号被解码至数据链路层，输出帧数据并传输至特征提取模块；
[0008]所述特征提取模块：对信号采集与处理模块输出的帧数据，进行信号处理与特征提取，提取射频信号具有的调制域特征、波形域特征以及统计度量和调制编码方案特征；所述波形域特征提取包括时域特征和频域特征；
[0009]所述指纹识别模块：基于提取的特征进行分类模型训练，根据特征的维度及特征间的相关性选择最佳的分类模型，将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型，进行设备的指纹匹配，实现设备的识别。
[0010]为了实现上述目的，本专利技术还采取的技术方案是：基于多域物理层指纹特征的Wi
‑
Fi设备识别方法，包括如下步骤：
[0011]S1，信号采集与处理：
[0012]信号采集：利用USRP采集无线电信号，经USRP解调后的复数基带信号的采样信号作为无线接收机输入；采样信息经过软件解调后，被解码至数据链路层，输出帧数据；所述软件解调包括帧检测和解调解码，帧检测利用协议前导码部分的自相关特性，检测出每条帧的出现并作相位纠偏；所述解调解码至少包括对信道的估计、对信号的数字解调、采样频率补偿及符号均衡；
[0013]S2，特征提取：对经过步骤S1处理好的帧数据进行特征提取，提取射频信号具有的调制域特征、波形域特征、统计度量及调制编码特征；
[0014]所述调制域特征包括载波频率偏移特征、同步相关性特征及星座图特征，其中，载波频率偏移特征根据帧数据的前导码提取，同步相关性特征根据帧数据前导码的短训练序列提取，星座图特征根据帧数据前导码的数据字段经过信道估计均衡后提取；
[0015]所述波形域特征包括时域特征和频域特征；
[0016]所述统计度量特征包括方差、偏度及峰度，基于最大特征系数的特征做选择；
[0017]S3，模型训练：对步骤S2提取的特征进行数据预处理，并进行分类模型训练，根据特征的维度及特征间的相关性选择最佳的分类模型；
[0018]S4，指纹识别：将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型，进行设备的指纹匹配，实现设备的识别。
[0019]作为本专利技术的一种改进，所述步骤S1中经USRP解调后的复数基带信号的采样信号，即原始无线信号S(t)的复包络的采样，具体为：
[0020]s(t)＝I(t)cos 2πf
c
t
‑
Q(t)sin 2πf
c
t
[0021][0022][0023]其中，I(t)和Q(t)分别是接收端处输入进I/Q调制的信号的同相成分和正交成分；f
c
是载波频率。
[0024]作为本专利技术的一种改进，所述步骤S2中载波频率偏移特征提取的具体方式为：
[0025]S21：利用帧数据前导码的短训练序列对相位偏移进行粗粒度估计，其中S
m
表示第m个复数采样点；
[0026][0027]S22：利用估计出的对短训练序列后的长训练序列采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多域物理层指纹特征的Wi
‑
Fi设备识别系统，其特征在于，包括信号采集与处理模块、特征提取模块及指纹识别模块，所述信号采集与处理模块：利用USRP采集无线电信号，经USRP解调后的复数基带信号的采样信号作为无线接收机输入，软件解调后，采样信号被解码至数据链路层，输出帧数据并传输至特征提取模块；所述特征提取模块：对信号采集与处理模块输出的帧数据，进行信号处理与特征提取，提取射频信号具有的调制域特征、波形域特征以及统计度量和调制编码方案特征；所述波形域特征提取包括时域特征和频域特征；所述指纹识别模块：基于提取的特征进行分类模型训练，根据特征的维度及特征间的相关性选择最佳的分类模型，将WIFI信号经机器学习后生成的输入特征量传给最佳分类模型，进行设备的指纹匹配，实现设备的识别。2.如权利要求1所述的基于多域物理层指纹特征的Wi
‑
Fi设备识别系统，其特征在于：所述信号采集与处理模块中，软件解调依次经历帧检测和解调解码，所述帧检测利用协议前导码部分的自相关特性，检测出每条帧的出现并作相位纠偏；所述解调解码至少完成了对信道的估计、对信号的数字解调、采样频率补偿及符号均衡。3.如权利要求2所述的基于多域物理层指纹特征的Wi
‑
Fi设备识别系统，其特征在于：所述特征提取模块中，首先根据帧数据前导码字段的长、短训练序列提取调制域特征，所述调制域特征至少包括载波频率偏移特征、同步相关性特征和星座图特征，再提取波形域特征，利用BPSK的前导码字段提取波形域特征，所述波形域特征包括时域特征与频域特征；特征提取模块中具体是把以调制域表示的信号采样点映射回时域，提取短训练序列过零率、长训练序列能量熵以及长、短训练序列能量熵变化率特征；再用离散傅立叶变化映射至频域，提取谱质心、短训练序列频谱延展度、频谱熵、频谱通量以及长、短训练序列频谱延展度变化率特征，然后提取统计度量及调制编码特征，对样本的前导码按窗口划分子帧，最后分别计算每个子帧的方差、偏度以及峰度得出统计度量特征；对前导码中的信号字段进行解码，提取出调制编码方案特征。4.如权利要求2所述基于多域物理层指纹特征的Wi
‑
Fi设备识别系统，其特征在于：所述指纹识别模块中的分类模型为支持向量机、多层感知机及基于决策树的分类模型。5.使用如权利要求1所述系统的基于多域物理层指纹特征的Wi
‑
Fi设备识别方法，其特征在于，包括如下步骤：S1，信号采集与处理：利用USRP采集无线电信号，经USRP解调后的复数基带信号的采样信号作为无线接收机输入；采样信息经过软件解调后，被解码至数据链路层，输出帧数据；所述软件解调包括帧检测和解调解码，帧检测利用协议前导码部分的自相关特性，检测出每条帧的出现并作相位纠偏；所述解调解码至少包括对信道的估计、对信号的数字解调、采样频率补偿及符号均衡；S2，特征提取：对经过步骤S1处理好的帧数据进行特征提取，提取射频信号具有的调制域特征、波形域特征、统计度量及调制编码特征；所述调制域特征包括载波频率偏移特征、同步相关性特征及星座图特征，其中，载波频率偏移特征根据帧数据的前导码提取，同步相关性特征根据帧数据前导...

【专利技术属性】
技术研发人员：张竞慧，翁财善，徐正佳，凌振，杨明，罗军舟，
申请(专利权)人：东南大学，
类型：发明
国别省市：