基于注意力残差网络的Wi-Fi设备的射频指纹识别

作者：张凯; 郭剑黎; 胡军星; 任俊霞; 谭磊

来源：南京信息工程大学学报(自然科学版), 2022, 14(03): 324-330.

DOI：10.13878/j.cnki.jnuist.2022.03.008

• 射频指纹
• 设备识别
• 注意力残差网络
• 物理层安全
• 通信安全

由于无线介质的开放性，传统的基于安全协议的无线网络安全存在隐患，基于物理层的射频指纹(RFF)识别，具有特征难以伪造的优点，能有效提高无线网络的安全性.针对多场景、多设备识别任务，构建了基于注意力残差卷积神经网络的射频指纹识别方法.实验采集构建了完备的数据集，数据集包含32个Wi-Fi模块，覆盖802.11b标准的2.4 GHz模块.对比结果表明：该方法在32个Wi-Fi模块的识别中达到90%的识别精度，高于传统算法86%的识别率和卷积神经网络方法的89%的识别率；不同采样率的数据集在2 dB时均可以达到90%以上的识别精度，最终在信噪比(SNR)大于20 dB时，识别精度可以达到96%.

• 单位
  国网河南省电力公司