[發明專利]一種基于卷積神經網絡的MAC協議識別方法

有效

• 申請號: 202110007441.4
• 申請日: 2021-01-05
• 公開（公告）號: CN112804119B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 張旭彤;王威;吳啟暉;陳慧超
• 申請（專利權）人: 南京航空航天大學
• 主分類號: H04L43/18
• 分類號: H04L43/18;G06N3/04
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

1.一種基于卷積神經網絡的MAC協議識別方法，其特征在于，包括如下步驟：

(1)產生訓練數據：首先獲得已打標簽的原始采樣數據，數據形式為時間—功率值序列，然后將原始采樣數據轉換為時頻圖；

(2)卷積神經網絡訓練：將所產生的時頻圖輸入到卷積神經網絡進行訓練，得到訓練好的卷積神經網絡模型；

(3)MAC協議識別：對待識別網絡的信號進行數據采集并轉化為時頻圖，將時頻圖輸入訓練好的卷積神經網絡模型，實現協議的識別。

2.如權利要求1所述的基于卷積神經網絡的MAC協議識別方法，其特征在于，步驟(1)中，原始采樣數據的獲取是通過對一段時間內已知網絡的通信數據進行采樣，從而獲取信號的時間序列和對應的功率值序列以及通信頻率；并根據已知網絡所采用的MAC協議類型對數據打標簽，四種MAC協議分別用0、1、2和3來表示。

3.如權利要求1所述的基于卷積神經網絡的MAC協議識別方法，其特征在于，步驟(1)中，基于原始數據，包括時間-功率值序列和通信頻率，進一步生成時頻圖。

4.如權利要求1所述的基于卷積神經網絡的MAC協議識別方法，其特征在于，步驟(2)中，用卷積神經網絡訓練數據時，將四種MAC協議對應的訓練樣本根據四種標簽歸類，在完成所設計卷積神經網絡模型的編譯后，將訓練數據輸入網絡對模型進行訓練，訓練輪次初值設置為30。

5.如權利要求1所述的基于卷積神經網絡的MAC協議識別方法，其特征在于，步驟(2)中，卷積神經網絡模型為一個帶有小卷積濾波器的深層網絡結構，該網絡主要由8個隱含層構成，其中，卷積層和池化層交替連接；模型最后添加了一個全連接層和一個4通道的softmax層，用于輸出最后的四分類結果；此外，模型還添加了一層dropout層。

6.如權利要求1所述的基于卷積神經網絡的MAC協議識別方法，其特征在于，步驟(3)中，對待識別網絡的信號進行數據采集并轉化為時頻圖，將時頻圖輸入訓練好的卷積神經網絡模型，實現協議的識別，具體包括如下步驟：

(31)獲取原始數據：對一段時間內待識別網絡的信號進行采集，得到信號的時間序列和對應的功率值序列以及通信頻率，即原始采樣數據；

(32)生成時頻圖數據：將原始采樣數據轉換成時頻圖；

(33)卷積神經網絡測試：將時頻圖作為測試集輸入訓練好的卷積神經網絡模型進行測試，模型輸出分類結果，即“0、1、2、3”中的某一標簽。