[發(fā)明專(zhuān)利]一種基于強(qiáng)化學(xué)習(xí)的無(wú)線(xiàn)信道指紋方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510219184.5
• 申請(qǐng)日: 2015-05-04
• 公開(kāi)（公告）號(hào): CN104918249B
• 公開(kāi)（公告）日: 2018-04-10
• 發(fā)明（設(shè)計(jì)）人: 肖亮;劉國(guó)隆;李燕
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廈門(mén)大學(xué)
• 主分類(lèi)號(hào): H04W12/06
• 分類(lèi)號(hào): H04W12/06;H04W12/04;H04L9/32
• 代理公司: 廈門(mén)南強(qiáng)之路專(zhuān)利事務(wù)所(普通合伙)35200
• 代理人: 馬應(yīng)森

1.一種基于強(qiáng)化學(xué)習(xí)的無(wú)線(xiàn)信道指紋方法，其特征在于包括以下步驟：

1)無(wú)線(xiàn)接收機(jī)在M個(gè)頻點(diǎn)上預(yù)先測(cè)量和存儲(chǔ)各用戶(hù)發(fā)射機(jī)的接收信號(hào)強(qiáng)度(RSS)，每個(gè)用戶(hù)發(fā)射機(jī)的信道指紋由接收機(jī)在M個(gè)不同頻點(diǎn)測(cè)得的RSS構(gòu)成，即用戶(hù)發(fā)射機(jī)r的信道指紋可表示為H_r＝(RSS₁,RSS₂,...,RSS_n,...,RSS_M)，其中RSS_n為接收機(jī)在第n個(gè)信道測(cè)得的用戶(hù)發(fā)射機(jī)r的RSS，1≤n≤M；無(wú)線(xiàn)接收機(jī)將存儲(chǔ)的各個(gè)用戶(hù)發(fā)射機(jī)的信道指紋作為對(duì)該用戶(hù)進(jìn)行物理層認(rèn)證的參考指紋；

2)無(wú)線(xiàn)接收機(jī)收到某用戶(hù)發(fā)射機(jī)發(fā)射的數(shù)據(jù)包之后，將提取該用戶(hù)發(fā)射機(jī)的信道指紋對(duì)該用戶(hù)進(jìn)行物理層認(rèn)證，若該用戶(hù)聲稱(chēng)自己為用戶(hù)r，接收機(jī)將調(diào)取預(yù)存用戶(hù)r的參考指紋，計(jì)算該用戶(hù)信道指紋與用戶(hù)r的參考指紋之間的歐氏距離，并將歸一化處理后的歐氏距離與接收機(jī)系統(tǒng)設(shè)定的閾值θ進(jìn)行比較，若歸一化處理后的歐氏距離大于接收機(jī)系統(tǒng)設(shè)定的閾值，則認(rèn)定屬于電子欺騙攻擊，將接收到的數(shù)據(jù)包丟棄，否則進(jìn)一步執(zhí)行上層認(rèn)證；若通過(guò)上層認(rèn)證判定屬于合法數(shù)據(jù)包，則存儲(chǔ)下來(lái)，并將提取出來(lái)的信道指紋作為該用戶(hù)r新的參考指紋；

3)接收機(jī)系統(tǒng)對(duì)時(shí)間T內(nèi)接收到的由各用戶(hù)發(fā)射機(jī)發(fā)射的N個(gè)數(shù)據(jù)包進(jìn)行統(tǒng)計(jì)匯總，計(jì)算出虛警率P_F(θ)和漏報(bào)率P_m(θ)，獲得接收機(jī)系統(tǒng)在此刻的狀態(tài)S，S由系統(tǒng)計(jì)算出的虛警率P_F(θ)和漏報(bào)率P_m(θ)構(gòu)成，此時(shí)接收機(jī)系統(tǒng)獲得即時(shí)收益R(S,θ)，即接收機(jī)系統(tǒng)收益函數(shù)：

R(S,θ)＝p(-P_m(θ)C_h+(1-P_m(θ))α-C_p)+(1-p)(-P_F(θ)γ+(1-P_F(θ))(β-C_h)-C_p)

其中γ為丟失合法數(shù)據(jù)包系統(tǒng)遭受的損失，α為接收機(jī)系統(tǒng)物理層認(rèn)證正確識(shí)別出合法數(shù)據(jù)包的收益，β為接收機(jī)系統(tǒng)物理層認(rèn)證正確識(shí)別出屬于電子欺騙攻擊的數(shù)據(jù)包的收益，p為接收機(jī)系統(tǒng)遭受電子欺騙攻擊的概率，C_p為接收機(jī)系統(tǒng)物理層認(rèn)證所需消耗，C_h為接收機(jī)系統(tǒng)上層認(rèn)證所需消耗；

4)接收機(jī)系統(tǒng)通過(guò)強(qiáng)化學(xué)習(xí)算法中的Q學(xué)習(xí)，在最優(yōu)閾值θ不確定的情況下，學(xué)習(xí)如何設(shè)置閾值，并進(jìn)行實(shí)時(shí)調(diào)節(jié)，從而可以自適應(yīng)各種無(wú)線(xiàn)環(huán)境，確保較高的認(rèn)證精度，獲得較好的系統(tǒng)收益，對(duì)于不同無(wú)線(xiàn)環(huán)境，有不同的最優(yōu)閾值θ，在一次學(xué)習(xí)過(guò)程中，最多可更換Z次閾值，每一次更換閾值后，接收機(jī)會(huì)有一個(gè)觀察期，以探測(cè)更換閾值對(duì)系統(tǒng)造成的影響，Q學(xué)習(xí)確定最優(yōu)閾值θ的過(guò)程包括以下步驟：

4.1)初始化Q值矩陣，對(duì)于每一個(gè)接收機(jī)系統(tǒng)狀態(tài)S下，接收機(jī)可以選擇一個(gè)a，a∈A,A＝[a₁,a₂,a₃,...,a_τ]，作為閾值θ，τ為可選閾值的個(gè)數(shù)，對(duì)每個(gè)狀態(tài)下的可選擇的閾值分配一個(gè)對(duì)應(yīng)的Q值即Q(S,θ)，對(duì)每個(gè)初始Q值賦值為0，并設(shè)置學(xué)習(xí)因子α(0＜α＜1)，和折扣因子δ(0＜δ＜1)；

4.2)接收機(jī)觀察系統(tǒng)當(dāng)前所處狀態(tài)S^k，以概率ε選擇閾值θ^k，進(jìn)行第k次更換閾值，1≤k≤Z，即以概率ε選擇使得Q(S^k,θ)最大的θ值作為閾值θ^k，以概率1-ε選擇使得Q(S^k,θ)非最大的θ值作為閾值θ^k，在更換閾值后，接收機(jī)連續(xù)對(duì)時(shí)間T內(nèi)接收到的由各用戶(hù)發(fā)射機(jī)發(fā)射的N個(gè)數(shù)據(jù)包進(jìn)行認(rèn)證，并觀察系統(tǒng)下一個(gè)狀態(tài)S^k+1；

4.3)根據(jù)公式：

Q(Sk,θk)=(1-α)Q(Sk,θk)+α(R(Sk,θk)+δmaxθ∈AQ(Sk+1,θ))]]>

對(duì)Q值矩陣更新，Q(S^k,θ^k)是接收機(jī)系統(tǒng)在S^k狀態(tài)下采用θ^k值為閾值時(shí)的Q值，R(S^k,θ^k)為在S^k狀態(tài)下采用閾值θ^k得到的系統(tǒng)即時(shí)收益，是服務(wù)器在S^k+1狀態(tài)下，采用讓Q值最大化的閾值θ；

4.4)重復(fù)步驟4.2)、4.3)，直到第k次更換閾值后接收機(jī)系統(tǒng)滿(mǎn)足時(shí)，閾值θ收斂，θ^k即是接收機(jī)系統(tǒng)最優(yōu)閾值；

4.5)接收機(jī)將θ^k設(shè)定為該無(wú)線(xiàn)環(huán)境中最優(yōu)閾值，并利用該值進(jìn)行物理層認(rèn)證。