[发明专利]一种基于机器学习的二维联合特征认证方法

摘要

本发明公开了一种基于机器学习的二维联合特征认证方法,首先基站B对合法信息发送者A和模拟非法信息发送者E进行信道信息采集，然后对于基站B与信息发送者之间的信道信息，计算连续数据帧之间的信道信息差值，在信道信息差值的基础上，构建基于幅度的检验统计量，进行处理得到基于幅度的归一化LRT统计量；基于幅度和相位联合，构建检验统计量，进行处理得到基于幅度和相位联合的归一化LRT统计量，然后构造二维联合特征的样本集，建立认证模型，利用机器学习方法生成分类器，并根据样本集进行训练，得到检测率达标的分类器，对未知身份的信息发送者进行合法性判断。本发明相比于单一特征维度的信道认证方法，具有更高准确性。

主权项

1.一种基于机器学习的二维联合特征认证方法，其特征在于：包括以下步骤：S1.基站B对合法信息发送者A和模拟非法信息发送者E进行信道信息采集,得到合法信息发送者A的信道信息数据集和模拟非法信息发送者E的信道信息数据集S2.对于基站B与信息发送者之间的信道信息，计算连续数据帧之间的信道信息差值；S3.在信道信息差值的基础上，基于子载波幅度差异构建基于幅度的检验统计量TA，并对TA进行处理，得到基于TA改进的归一化LRT统计量Ta，将其作为第一维特征：其中，合法信息发送者A与基站B之间的第一维特征为模拟非法信息发送者E与基站B之间第一维特征为S4.在信道信息差值的基础上，基于幅度和相位联合，构建检验统计量TB，对TB进行处理，得到基于TB改进的归一化LRT统计量Tb，将其作为第二维特征：其中，合法信息发送者A与基站B之间的第二维特征为模拟非法信息发送者E与基站B之间第二维特征为S5.利用信道信息数据集和构造二维联合特征(T_a，T_b)作为样本集，对于同一时刻的数据帧，将二维联合特征(T_a，T_b)作为综合的判定依据，构建认证模型[(T_a，T_b),y]，其中：合法信息发送者A与基站B之间二维联合特征的样本集为：对其加标识y＝+1；模拟非法信息发送者E与基站B之间二维联合特征的样本集为：对其加标识y＝‑1；S6.采用机器学习方法构建分类器，并根据样本集TAB和TEB对分类器进行训练，直至分类器检测率达标；S7.基站利用检测率达标的分类器对未知身份的信息发送者进行合法性判断，实现基于机器学习的二维联合特征的信道认证。