申请/专利权人：河北大学

申请日：2022-01-17

公开（公告）日：2023-07-25

公开（公告）号：CN114501446B

主分类号：H04W12/06

分类号：H04W12/06;H04W12/122;H04W24/06;H04B17/309

优先权：

专利状态码：有效-授权

法律状态：2023.07.25#授权;2022.05.31#实质审查的生效;2022.05.13#公开

摘要：本发明提供了一种动态工业场景下基于PUbagging策略的物理层认证方法。该方法主要包括以下步骤：首先通过已知的动态工业场景边缘节点建立小型动态网络，捕获节点日常通信产生的物理层信道状态信息并进行离线后处理，对信道状态信息数据进行特征提取，利用其基本特征和统计特征将高维数的复信号矩阵转换为能够表征原始信号的特征集。从特征集中选取已知的合法节点作为正样本，使用PUbagging策略构建机器学习模型准确地区分出未标记信道信息中的合法节点和非法节点。该方法在仅有合法节点信道信息标签已知的情况下，也可以准确地区分未标记信道信息中的合法节点和非法节点。

主权项：1.一种动态工业场景下基于PUbagging策略的物理层认证方法，其特征是，包括如下步骤：S1、构造动态工业场景信道状态信息的特征集，具体是：通过已知的动态工业场景边缘节点建立小型动态网络，从信道捕获节点日常通信产生的信道状态信息，并进行离线后处理，提取信道状态信息的基本特征和统计特征，形成特征集；S2、建立分类模型并对新输入的物理层信道状态信息进行分类；步骤S2具体包括如下几个步骤：S2-1、从步骤S1的特征集中选取已知标签合法节点信道状态信息样本构成已知标签样本集P，将已知标签样本集P中的样本记为正样本；剩余无标签信道状态信息样本构成无标签样本集U，将无标签样本集U中的样本记为负样本；无标签信道状态信息样本包括未选择的合法节点和所有的非法节点；S2-2、设置迭代次数T，根据正样本的个数，利用bootstrap有放回采样方法每次都随机可重复地从无标签样本集U中选取和正样本数量相同的负样本，使正样本和所选取的负样本共同作为训练集训练决策树弱分类器，从而可得到T个弱分类器；每次迭代都重复进行取样、训练；S2-3、当新的物理层信道状态信息输入时，首先依据步骤S1提取信道状态信息的基本特征和统计特征；然后将所提取的特征送入步骤S2-2的T个弱分类器中，每个弱分类器都会得到一个预测概率，对所有弱分类器预测概率取平均，得到最终的预测概率；S2-4、依据最终的预测概率，预测该新的物理层信道状态信息的标签为合法还是非法。

全文数据：

权利要求：

百度查询： 河北大学 动态工业场景下基于PU bagging策略的物理层认证方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD