[發明專利]一種基于機器學習的物理層信道認證方法

有效

• 申請號: 201810104718.3
• 申請日: 2018-02-02
• 公開（公告）號: CN108304877B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 陳潔;文紅;陳松林;宋歡歡;劉文潔
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;H04L29/06
• 代理公司: 成都巾幗知識產權代理有限公司 51260
• 代理人: 邢偉

1.一種基于機器學習的物理層信道認證方法，其特征在于：包括以下步驟：

S1.接收機B對合法信息發送者A和模擬非法信息發送者E進行信息包的信道信息采集：

接收機B對合法信息發送者A的信息包的信道信息進行采集，得到包含連續N幀采集結果的數據集接收機B對模擬非法信息發送者E的信息包信道信息進行采集，得到包含連續N幀采集結果的數據集

S2.接收機B對數據集進行預處理和數據提取：

計算數據集的檢驗統計量得到數據集中每連續兩幀信道信息的差值，將T^AB中部分幀劃分為訓練集剩余的幀數作為測試集計算數據集的檢驗統計量得到數據集中每連續兩幀信道信息的差值，將T^EB中部分幀劃分為訓練集T_t^EB，剩余的幀數作為測試集其中，劃分到訓練集和T_t^EB的部分幀幀數均為t；

S3.接收機B生成二分類的訓練數據集：

將合法信息發送者A和非法者E的訓練集T_t^EB組合成為二分類的訓練數據集T＝{(x₁,y₁),(x₂,y₂),...,(x_2t,y_2t)},在訓練數據集T中：

即y_i＝+1時，表示該數據來自合法信息發送者A；則y_i＝-1時，表示該數據來自模擬非法者E；

S4.接收機B采用機器學習算法中的分類算法，根據二分類的訓練數據集T進行訓練，生成分類器；

S5.接收機B利用分類器對測試集和所組成的二分類數據集T_2(N-1-t)進行判斷，得到檢測率達到要求的分類器；

S6.接收機B利用達到要求的分類器對新接收到的信息包進行物理層信道認證。

2.根據權利要求1所述的一種基于機器學習的物理層信道認證方法，其特征在于：所述步驟S1包括合法信息發送者A數據集采集步驟和模擬非法信息發送者E數據集采集步驟；

所述合法信息發送者A數據集采集步驟包括：

合法信息發送者A向接收機B發送連續的N個數據幀；接收機B接收到來自合法信息發送者A的第一個數據幀后，提取合法信息發送者A到接收機B的信道信息接收機B接收到來自合法信息發送者A的第二個數據幀后，提取合法信息發送者A到接收機B的信道信息同理，一直提取合法信息發送者A到接收機B的連續N幀信道信息后，得到包含連續N幀采集結果的數據集

所述模擬非法信息發送者E數據集采集步驟：

模擬非法信息發送者E向接收機B發送連續的N個數據幀，接收機B接收到來自模擬非法信息發送者E的第一個數據幀后，提取模擬非法信息發送者E到接收機B的信道信息接收機B接收到來自模擬非法信息發送者E的第二個數據幀后，提取模擬非法信息發送者E到接收機B的信道信息同理，一直提取合法者E到接收機B的連續N幀信道信息后，得到包含連續N幀采集結果的數據集

3.根據權利要求1所述的一種基于機器學習的物理層信道認證方法，其特征在于：所述步驟S1中，提取的信道信息都需要在相干時間內，否則認為信道信息不具有相關性。

4.根據權利要求1所述的一種基于機器學習的物理層信道認證方法，其特征在于：所述步驟S2中，檢驗統計量是用來衡量信道信息相似度的方法，包括但不限于基于幅度的檢驗統計量、基于幅度和相位聯合的檢驗統計量，以及基于矯正相位偏移的檢驗統計量等。

5.根據權利要求1所述的一種基于機器學習的物理層信道認證方法，其特征在于：所述步驟S3中，劃分到訓練集和T_t^EB的部分幀幀數t滿足：

N/2＜t＜N-1；

并且從T^AB中劃分到訓練集中的部分幀必須保證連續兩幀之間具有相關性，且從T^EB中劃分到訓練集中的部分幀也必須保證連續兩幀之間的相關性。