特征空间偏移及开放类物联网设备的识别研究

发布时间：2023-11-05 13:26

　　物联网(IoT,Internet of Things)设备的快速普及,在实现万物互联的同时,其潜在的安全问题也日益突显。IoT仍延用了传统的无线网络安全策略,在面对类似分布式拒绝服务(DDOS,Distributed Denial of Service)等攻击时,传统的安全检测无法准确的识别出仿冒者,而无线设备物理层信号的唯一性可成为防护DDOS等攻击的有力支撑。制造工艺误差使得生产的无线设备具有唯一个体特征。接收机接收到无线信号,从中提取物理层的细微特征,可以确定是哪台发射机发射出的信号,从而实现无线设备的个体识别认证,防止了类似DDOS的攻击。目前难点在于传统的物理层识别方式需要预先设定特征参数,这需要花费巨大精力去设计算法,并且通用性不强,针对不同类型信号,其特征参数可能需要重新设计;其次,设备硬件老化、复杂变化的无线环境、以及不同接收机会导致物理层特征发生偏移,因此原先基于旧样本库训练的判别模型不再适合新目标样本;另外,实际环境中无法采集到所有类型的样本,那么未知新目标类可能会被错误的判断为已知类,即产生了开放类识别问题。本文提出了三种算法来解决以上难题。针对问题一,本文提出结...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 物理层识别研究现状
        1.2.2 设备特征迁移情况下个体识别研究现状
        1.2.3 开放类检测识别研究现状
    1.3 论文主要内容及安排
第2章 基于深度学习的物联网设备识别
    2.1 物理层特征机理分析
    2.2 深度学习的理论框架
    2.3 改进的深度学习模型
    2.4 结果分析
    2.5 本章小结
第3章 基于多分类迁移学习的物联网设备识别研究
    3.1 迁移学习算法基本原理
    3.2 多分类的迁移学习
        3.2.1 基于拒绝采样的模型改进
        3.2.2 基于多源辅助的模型改进
        3.2.3 构建多分类迁移学习
    3.3 本章小结
第4章 基于对抗生成网络的物联网开放类识别研究
    4.1 GAN网络算法基本原理
        4.1.1 GAN网络的关键技术
        4.1.2 构建适用于无线信号的GAN模型
    4.2 基于GAN的开放类识别模型
        4.2.1 GAN开放类识别算法
        4.2.2 实验结果
    4.3 本章小结
第5章 总结与展望
    5.1 论文总结
    5.2 未来研究展望
攻读硕士学位期间发表的论文及参与的项目
参考文献
致谢



本文编号：3861117