基于瞬態(tài)響應的無線發(fā)射機指紋識別研究.pdf

1、隨著無線通信技術的快速發(fā)展,任何無線通信網(wǎng)絡都不可避免的存在許多安全問題。尤其在認知無線電網(wǎng)絡中,動態(tài)的接入方式導致許多新的安全隱患,如模仿主用戶(Primary User Emulation,PUE)攻擊。目前,對PUE攻擊的檢測多采用驗證合法主用戶發(fā)射機的位置,但對于分布式認知網(wǎng)絡,該方法就不能實現(xiàn)有效的檢測。無線發(fā)射機的瞬態(tài)響應具有普遍性、唯一性和短期不變性的特點,可以作為識別發(fā)射機的特征。因此,本文將瞬態(tài)指紋識別技術引入到認知無

2、線電網(wǎng)絡中來實現(xiàn)對合法主用戶發(fā)射機的識別,從而抵御PUE攻擊。
　　 基于802.11b的Wi-Fi網(wǎng)絡中,信號的突發(fā)發(fā)送使得在每幀數(shù)據(jù)的幀頭可以捕獲到瞬態(tài)響應,但隨著元器件一致性和電路集成度的提高,無線網(wǎng)卡瞬態(tài)響應的差異度也越來越細微。本文建立了一個新的無線網(wǎng)卡瞬態(tài)響應指紋提取模型,分別從起點檢測、特征提取和分類識別三個方面進行深入的研究。
　　 首先,采用短時能量和相位檢測算法進行瞬態(tài)響應信號的起點檢測,并就兩種算法

3、在不同信噪比下的檢測性能進行了對比分析。實驗結果表明,在較低的信噪比下相位檢測算法比短時能量具有更準確的檢測結果。在特征提取方面,由于無線網(wǎng)卡瞬態(tài)響應信號的相似性很高,常用的小波多尺度分析方法提取的特征區(qū)分度較差,因此,本文提出了一種基于譜圖時頻分析的能量包絡提取算法,并采用多項式函數(shù)來擬合瞬態(tài)響應包絡,提取多項式系數(shù)作為新的瞬態(tài)指紋特征。相比希爾伯特變換提取的包絡受噪聲影響大,毛刺多,采用本文算法提取的包絡曲線則更為平滑,特征參數(shù)的區(qū)

4、分度也得到進一步提高。最后,本文設計了SVM多分類器和BP神經(jīng)網(wǎng)絡分類器,分別輸入小波特征參數(shù)和多項式特征參數(shù)對無線網(wǎng)卡進行分類識別。實驗結果表明,BP神經(jīng)網(wǎng)絡分類器能獲得比其它兩種分類器(SVM多分類器和最近鄰分類器)更好的識別結果。
　　 本文通過構建一個無線網(wǎng)卡信號采集系統(tǒng),捕獲大量的實測數(shù)據(jù)用于分析測試。結果表明,多項式提取的特征較小波特征具有更好的分類效果,不同品牌網(wǎng)卡的平均識別率可以達到93.7％,同品牌同型號的網(wǎng)卡