基于物理层信道信息的安全接入认证技术
发布时间：2021-07-13 20:10
随着无线通信技术的发展和终端设备数目的增加,越来越多的信息在自由空间中传播,无线网络的开放性给信息传输带来了极大的安全隐患,即容易被窃听和攻击,无线通信网络的信息安全保障问题日益突出。由于量子计算技术和电子器件的发展,传统的基于密码学的信息安全技术已经展现出很多不足,而物理层诸多信道特性具备随机性和唯一性等优势,成为物理层安全技术的主要研究方向之一。深度学习算法能够实现对海量数据的学习和分析,我们也可以利用信道估计技术轻松获得信道状态信息（Channel State Information,CSI）,因此,本文引入深度学习,对大量的CSI数据进行特征挖掘和规律分析,从而实现用户的安全接入认证。本文的主要内容分为两部分:1.引入深度学习算法并基于CSI设计物理层安全接入认证模型和算法:本文建立了一个由合法用户Alice、非法用户Eve和接收用户Bob组成的安全接入认证模型,结合CSI的天然优势分析了深度学习算法的可行性和鲁棒性。针对不同深度神经网络的特点和优势,引入了卷积神经网络（Convolutional Neural Network,CNN）、跨层卷积神经网络（skip-layer ...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
物理层安全研究现状总结机器学习是人工智能中最前沿的技术之一，近年来随着经济和科学技术的发
第一章绪论7Machine,ELM)也被用于实现物理层安全接入认证[40]。在文献[41]中，作者提出了一种高斯混合模型用于探测攻击者，但缺点是该模型受环境和信道估计误差影响较大，性能不稳定。深度学习后来逐渐被研究和应用于物理层安全。文献[42]把深度神经网络分类器用于抵抗欺骗攻击，可以根据信道状态切换传输方案，大大提高了安全识别率。文献[43]研究了基于卷积神经网络的安全算法，对信道特征的归一化幅值做特征提取与识别分类。1.3本论文的主要贡献和创新本论文以基于CSI的物理层安全接入认证问题为主要研究内容，引入深度学习算法提高认证准确率，本论文的主要研究内容与方法结构如图1-2所示。本论文的主要贡献与创新分为以下几点：1、分析目前现存的物理层安全接入认证方法所存在的主要问题和挑战，在现有的基于CNN算法的认证方案基础上，提出了基于skip-layerCNN和RNN的深度学习的认证方案。2、将CSI与深度学习进行融合，设计了一种CSI特征“盲提缺和认证分类一体化的物理层接入认证方案，利用深度神经网络可以提取局部不变特征的优势，提高了用户认证准确率。3、利用USRP搭建OFDM通信系统，采集真实环境的信道信息数据，不让所提出的认证算法止步于计算机产生的仿真数据，其在实测信道数据上也具有优秀的认证性能，验证其实用性。图1-2本论文的主要研究内容与方法
电子科技大学硕士学位论文10图2-1通信系统三大组成部分2.1.1无线通信的类型根据不同的通信场景和通信标准可以将通信系统分为各种各样的类型。以通信方式为分类标准可以分为单工通信、双工通信和半双工通信；以覆盖范围为分类标准可以分为个域网(PersonalAreaNetwork,PAN)、局域网(LocalAreaNetwork,LAN)、城域网(MetropolitanAreaNetwork,MAN)和广域网(WideAreaNetwork,WAN)；以应用场景为分类标准又可以分为蜂窝移动通信、无线数据网络、移动自组织网络、无线传感网和卫星通信等。其中，蜂窝移动通信和无线数据网络是现在应用最为普遍的两种通信方式。蜂窝移动通信采用蜂窝无线组网方式和频率复用技术，终端与终端之间通过网络设备进行连接实现终端之间的话音、数据、视频图像等业务，其主要特征是终端的移动性。最早的蜂窝移动通信网络有英国的ETACS系统、日本的NTT/JTACS/NTACS系统等，这些都属于模拟通信，被称为1G系统；2G系统即GSM移动通信系统，空中接口采用TDMA技术，可以为用户提供端到端的话音业务和数据业务，我们由此从模拟通信进入数字通信时代；发展到第三代数字蜂窝移动通信时，网络可以提供话音、数据和图片视频等业务；2004年底，3GPP启动了长期演进计划(LongTermEvolution,LTE)，最终目标是建立起一个具有低时延、高覆盖率、高数据速率的通信网络；当前我们已经步入了5G时代的前期，一些支持5G的产品已经进入市场，数据的高速率传输给人们带来了更好通信体验的同时，一些基于5G的智能化产业也在逐渐落地。无线数据网络可以为不同覆盖范围、不同规模数量的用户提供服务，采用IEEE802协议标准。广域网往往负责一个城市或一个国家所有区域的通信服务；而局域网往往负责小范围的通信服务，广域网与局域网并不是相互独立，而
【参考文献】：
期刊论文
[1]基于物理层密钥的消息加密和认证机制.[J]. 李兴志,金梁,钟州,楼洋明. 网络与信息安全学报. 2018(08)
[2]贝叶斯机器学习前沿进展综述[J]. 朱军,胡文波. 计算机研究与发展. 2015(01)
博士论文
[1]智能化物理层安全认证及传输技术研究[D]. 邱晓英.北京邮电大学 2019
硕士论文
[1]基于机器学习的物理层安全认证技术研究[D]. 李航.电子科技大学 2019
本文编号：3282723
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
物理层安全研究现状总结机器学习是人工智能中最前沿的技术之一，近年来随着经济和科学技术的发
第一章绪论7Machine,ELM)也被用于实现物理层安全接入认证[40]。在文献[41]中，作者提出了一种高斯混合模型用于探测攻击者，但缺点是该模型受环境和信道估计误差影响较大，性能不稳定。深度学习后来逐渐被研究和应用于物理层安全。文献[42]把深度神经网络分类器用于抵抗欺骗攻击，可以根据信道状态切换传输方案，大大提高了安全识别率。文献[43]研究了基于卷积神经网络的安全算法，对信道特征的归一化幅值做特征提取与识别分类。1.3本论文的主要贡献和创新本论文以基于CSI的物理层安全接入认证问题为主要研究内容，引入深度学习算法提高认证准确率，本论文的主要研究内容与方法结构如图1-2所示。本论文的主要贡献与创新分为以下几点：1、分析目前现存的物理层安全接入认证方法所存在的主要问题和挑战，在现有的基于CNN算法的认证方案基础上，提出了基于skip-layerCNN和RNN的深度学习的认证方案。2、将CSI与深度学习进行融合，设计了一种CSI特征“盲提缺和认证分类一体化的物理层接入认证方案，利用深度神经网络可以提取局部不变特征的优势，提高了用户认证准确率。3、利用USRP搭建OFDM通信系统，采集真实环境的信道信息数据，不让所提出的认证算法止步于计算机产生的仿真数据，其在实测信道数据上也具有优秀的认证性能，验证其实用性。图1-2本论文的主要研究内容与方法
电子科技大学硕士学位论文10图2-1通信系统三大组成部分2.1.1无线通信的类型根据不同的通信场景和通信标准可以将通信系统分为各种各样的类型。以通信方式为分类标准可以分为单工通信、双工通信和半双工通信；以覆盖范围为分类标准可以分为个域网(PersonalAreaNetwork,PAN)、局域网(LocalAreaNetwork,LAN)、城域网(MetropolitanAreaNetwork,MAN)和广域网(WideAreaNetwork,WAN)；以应用场景为分类标准又可以分为蜂窝移动通信、无线数据网络、移动自组织网络、无线传感网和卫星通信等。其中，蜂窝移动通信和无线数据网络是现在应用最为普遍的两种通信方式。蜂窝移动通信采用蜂窝无线组网方式和频率复用技术，终端与终端之间通过网络设备进行连接实现终端之间的话音、数据、视频图像等业务，其主要特征是终端的移动性。最早的蜂窝移动通信网络有英国的ETACS系统、日本的NTT/JTACS/NTACS系统等，这些都属于模拟通信，被称为1G系统；2G系统即GSM移动通信系统，空中接口采用TDMA技术，可以为用户提供端到端的话音业务和数据业务，我们由此从模拟通信进入数字通信时代；发展到第三代数字蜂窝移动通信时，网络可以提供话音、数据和图片视频等业务；2004年底，3GPP启动了长期演进计划(LongTermEvolution,LTE)，最终目标是建立起一个具有低时延、高覆盖率、高数据速率的通信网络；当前我们已经步入了5G时代的前期，一些支持5G的产品已经进入市场，数据的高速率传输给人们带来了更好通信体验的同时，一些基于5G的智能化产业也在逐渐落地。无线数据网络可以为不同覆盖范围、不同规模数量的用户提供服务，采用IEEE802协议标准。广域网往往负责一个城市或一个国家所有区域的通信服务；而局域网往往负责小范围的通信服务，广域网与局域网并不是相互独立，而
【参考文献】：
期刊论文
[1]基于物理层密钥的消息加密和认证机制.[J]. 李兴志,金梁,钟州,楼洋明. 网络与信息安全学报. 2018(08)
[2]贝叶斯机器学习前沿进展综述[J]. 朱军,胡文波. 计算机研究与发展. 2015(01)
博士论文
[1]智能化物理层安全认证及传输技术研究[D]. 邱晓英.北京邮电大学 2019
硕士论文
[1]基于机器学习的物理层安全认证技术研究[D]. 李航.电子科技大学 2019
本文编号：3282723
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3282723.html
