[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

说明书

本发明公开了一种基于深度神经网络的边缘侧物理层信道认证方法，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分别估计合法用户Bob的信道矩阵数据集和窃听者Eve的信道矩阵数据集；S3.对合法用户Bob和窃听者Eve的信道矩阵数据集进行预处理，得到检验统计量；S4.根据检验统计量构造深度神经网络样本集，包括训练集、验证集和测试集；S5.通过训练集和验证集训练深度神经网络，并利用测试集对神经网络进行测试，直到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，并利用神经网络对未知用户X进行物理层信道认证。本发明相比传统的基于假设检验采用单一的门限值的物理层认证方法，具有高效，准确的优势。

技术领域

本发明涉及物理层信道认证，尤其是涉及一种基于深度神经网络的物理层信道认证。

背景技术

随着移动互联网的飞速发展，微型终端设备在传感器网、物联网的数量将会成指数倍增长。与之而来的便是一系列的安全问题，克隆攻击、分布式拒绝服务(DDoS)攻击等等，而传统接入认证主要是基于密码技术，对微型终端设备而言，难以提供足够的算力，因此需要一种低功耗、高可靠的安全认证接入方法。对于边缘计算节点，其具有一定的数据处理和存储能力，但不同边缘计算节点非对称的特点，使其难以进行传统的基于密码的接入认证方案。

物理层信道认证利用无线信道信息的空时唯一性，通过比较连续帧之间的信道信息相似性来判断用户身份信息。物理层信道认证直接利用信道信息，无需复杂的上层加密运算，具有快速、高效的优势，十分适用于资源受限的微型终端。但是，实际无线环境中信道的复杂性和多变性，使简单的通过门限比较来做物理层认证已经远不能满足高识别率的需求。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度神经网络的边缘侧物理层信道认证方法，具有认证高效、准确的优势。

本发明的目的是通过以下技术方案来实现的：一种基于深度神经网络的边缘侧物理层信道认证方法，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，并利用测试集对神经网络进行测试，直到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神经网络对未知用户X进行物理层信道认证。

进一步地，步骤S1中所述的导频序列包括但不限于零自相关序列。

进一步地，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：