一种基于半监督原型网络的射频指纹识别方法

    公开(公告)号:CN116563897B

    公开(公告)日:2025-05-16

    申请号:CN202310471147.8

    申请日:2023-04-27

    Abstract: 本发明提供了一种基于半监督原型网络的射频指纹识别方法,属于物联网安全信息技术领域。在有限的训练集无法包含全部类别的辐射源设备信号,在测试集当中可能会出现未知类样本。而这种情况出现在现实场景中时,对于训练的闭集模型在识别未知信号时并不具备对未知类识别的能力。特别是在某些特殊环境下,如无人机冒充认证的设备,在未获得该设备的信号进行射频指纹识别时可能会出现识别错误。基于半监督原型网络的射频指纹识别方法,卷积层结合注意力机制进行有效特征提取,采用改进后的时序集成预测的半监督方法来进行原型强化;采用软阈值选取的方法作为样本分类依据,使模型能够有效区分I/Q信号样本之间的差异,从而保证模型识别的准确率。

    一种基于射频指纹的分布式协同身份认证方法

    公开(公告)号:CN117134975A

    公开(公告)日:2023-11-28

    申请号:CN202311129562.1

    申请日:2023-09-04

    Abstract: 本发明属于物联网安全技术领域,具体来说是涉及一种基于射频指纹的分布式协同身份认证方法。在物联网环境中,经常采用分布式网络结构,本发明提出基于特征图融合的协同认证框架,以满足分布式网络结构的要求,并能加快模型收敛以及提高模型精度。针对3种认证模式框架进行对比实验,即集中式认证框架、单纯分布式认证框架以及联邦协同认证框架。实验结果表明,在分布式场景下,联邦协同认证模型比其他两种框架模型的鲁棒性更高。此外,协同认证模型框架比其他两种模型框架的收敛速度更快。

    一种资源受限环境下的射频指纹识别方法

    公开(公告)号:CN114997299A

    公开(公告)日:2022-09-02

    申请号:CN202210584150.6

    申请日:2022-05-27

    Abstract: 本发明属于神经网络和射频指纹识别技术领域,具体来说是涉及一种资源受限环境下的射频指纹识别方法。本发明包括:将原始采样的I/Q信号进行数据预处理,得到训练任务集;构建资源受限下的射频指纹识别模型——DSCNet;将训练任务集输入到模型当中进行训练,然后对得到的模型进行量化处理;将识别任务输入到量化后的模型当中,得到射频指纹识别结果。本发明在资源受限的环境下具有较好的识别精度,同时模型的训练和推理速度表现较好,可以在资源不足的设备中进行射频指纹识别任务。

    一种基于元学习模型的射频指纹小样本识别方法

    公开(公告)号:CN114943253A

    公开(公告)日:2022-08-26

    申请号:CN202210549015.8

    申请日:2022-05-20

    Abstract: 本发明属于神经网络和目标识别技术领域,具体来说是涉及一种基于元学习模型的射频指纹小样本识别方法。本发明包括:将原始I/Q信号作为数据集,制作训练任务样本集;构建元学习模型——匹配网络模型;将训练任务集输入匹配网络模型,从I/Q信号中提取射频指纹特征,度量样本之间的相似度,对模型进行训练;将识别任务输入到训练好的元学习模型中,输出模型的识别结果。本发明在面临射频指纹小样本数据集时,具有较好的识别精度,并避免了因数据量少所带来的模型过拟合问题。

Patent Agency Ranking