[发明专利]一种基于深度神经网络的边缘侧物理层信道认证方法

权利要求书

1.一种基于深度神经网络的边缘侧物理层信道认证方法，其特征在于：包括以下步骤：

S1.合法用户Bob和窃听者Eve分别发送导频序列；

S2.边缘设备Alice分别对合法用户Bob和窃听者Eve发送的导频序列进行接收，并估计合法用户Bob的连续N帧信道矩阵数据集和窃听者Eve的连续N帧信道矩阵数据集

S3.对合法用户Bob的信道矩阵数据集进行预处理，得到合法用户Bob基于幅度的检验统计量和基于幅度和相位的检验统计量同理，对窃听用户Eve的信道矩阵数据集进行预处理，得到窃听用户Eve基于幅度的检验统计量和基于幅度和相位的检验统计量

S4.根据合法用户Bob和窃听者Eve的信道矩阵检验统计量构造深度神经网络样本集，包括训练集D_train、验证集D_validation和测试集D_test；

S5.通过训练集和验证集训练深度神经网络，并利用测试集对深度神经网络进行测试，直到深度神经网络达到目标认证率；

S6.边缘设备Alice接收未知用户X发送的导频信息，并利用达到目标认证率的深度神经网络对未知用户X进行物理层信道认证。

2.根据权利要求1所述的一种基于深度神经网络的边缘侧物理层信道认证方法，其特征在于：步骤S1中所述的导频序列包括零自相关序列。

3.根据权利要求1所述的一种基于深度神经网络的边缘侧物理层信道认证方法，其特征在于：所述步骤S2包括：合法用户Bob信道矩阵估计步骤和窃听者Eve信道矩阵估计步骤；

所述合法用户Bob信道矩阵估计步骤包括：

合法用户Bob向边缘设备Alice发送连续的N帧导频序列；边缘设备Alice接收到来自合法用户Bob的第一个数据帧后，估计合法用户Bob到边缘设备Alice的信道矩阵边缘设备Alice接收到来自合法用户Bob的第二个数据帧后，估计合法用户Bob到边缘设备Alice的信道矩阵同理，一直估计得到合法用户Bob到边缘设备Alice的连续N帧信道矩阵后，获得连续N帧信道矩阵数据集

所述窃听者Eve信道矩阵估计步骤包括：

窃听者Eve向边缘设备Alice发送连续的N帧导频序列，边缘设备Alice接收到来自窃听者Eve的第一个数据帧后，估计窃听者Eve到边缘设备Alice的信道矩阵边缘设备Alice接收到来自窃听者Eve的第二个数据帧后，估计窃听者Eve到边缘设备Alice的信道矩阵同理，一直提取合法者E到边缘设备Alice的连续N帧信道矩阵后，获得包含连续N帧信道矩阵数据集

4.根据权利要求1所述的一种基于深度神经网络的边缘侧物理层信道认证方法，其特征在于：所述步骤S2中，提取的信道矩阵都需要在相干时间内，否则认为信道矩阵不具有相关性。

5.根据权利要求1所述的一种基于深度神经网络的边缘侧物理层信道认证方法，其特征在于：所述步骤S3包括：

对合法用户Bob的信道矩阵数据集进行预处理，得到基于幅度的检验统计量和基于幅度和相位的检验统计量

检验统计量包含N-1个数据，每个数据表示数据集中连续两帧信道矩阵的幅度差值；检验统计量包含N-1个数据，每个数据表示数据集连续两帧信道矩阵中，幅度差值和相位差值构成的二维特征；|·|表示对矩阵所有元素取模，‖·‖_m1表示矩阵的m1范数，‖·‖_F表示矩阵的F范数,σ²表示噪声功率；

同理，对窃听用户Eve的信道矩阵数据集进行预处理，得到基于幅度的检验统计量和基于幅度和相位的检验统计量

检验统计量包含N-1个数据，每个数据表示数据集中连续两帧信道矩阵的幅度差值；检验统计量包含N-1个数据，每个数据表示数据集连续两帧信道矩阵中，幅度差值和相位差值构成的二维特征。