申请/专利权人：西安电子科技大学

申请日：2024-03-12

公开（公告）日：2024-05-17

公开（公告）号：CN117896176B

主分类号：H04L9/40

分类号：H04L9/40;H04L25/02;H04W12/06;H04W12/122;G06F18/241;G06N3/0442;G06N3/0455;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及无线通信领域，提供了一种面向工业物联网欺骗攻击的学习驱动物理层认证方法，该方法包括：构建分布式OFDM通信系统；系统包括欺骗攻击节点以及多个分布式认证网关；网关配备接收节点；网关认证多个合法发射节点；构建接收信号模型；基于接收信号模型获得合法发射节点以及欺骗攻击节点到接收节点的估计信道，构建网关的训练集和测试集；将训练集输入复数可分类自编码器网络进行训练，得到训练好的复数可分类自编码器网络；将测试集输入训练好的复数可分类自编码器网络，输出重构的估计信道；根据测试集以及重构的估计信道输出身份认证结果。本发明大幅度提升工业物联网通信系统中欺骗攻击检测的精度。

主权项：1.一种面向工业物联网欺骗攻击的学习驱动物理层认证方法，其特征在于，包括：构建分布式OFDM通信系统；所述系统包括欺骗攻击节点以及多个分布式认证网关；所述网关配备接收节点；所述网关认证多个合法发射节点；构建所述合法发射节点以及所述欺骗攻击节点到所述接收节点的接收信号模型；基于所述接收信号模型获得所述合法发射节点以及所述欺骗攻击节点到所述接收节点的估计信道，根据所述估计信道构建所述网关的训练集和测试集；将所述网关的训练集输入所述网关的复数可分类自编码器网络进行训练，得到训练好的复数可分类自编码器网络；所述复数可分类自编码器网络包括编码器模块和解码器模块；所述编码器模块包括第一复数残差模块、第一复数最大池化层、第二复数残差模块、第二复数最大池化层、第三复数残差模块、第四复数残差模块、第一复数卷积层、第一复数LSTM层、第一复数全连接层；所述解码器模块包括第二复数全连接层、第二复数LSTM层、第一复数上采样层、第五复数残差模块、第二复数上采样层、第六复数残差模块、第七复数残差模块、第八复数残差模块、第六复数卷积层；所述第一复数LSTM层和所述第二复数LSTM层均包括输入门、遗忘门、输出门、候选记忆单元、记忆单元以及隐藏状态；所述将所述网关的训练集输入所述网关的复数可分类自编码器网络进行训练，得到训练好的复数可分类自编码器网络包括：根据所述估计信道构建所述网关的验证集；所述验证集包括所述估计信道中所述合法发射节点到所述接收节点的估计信道；将所述训练集输入所述编码器模块，输出第一估计信道指纹特征；将所述第一估计信道指纹特征输入所述解码器模块，输出第一重构估计信道；根据所述第一估计信道指纹特征和所述第一重构估计信道计算损失，根据所述损失对所述复数可分类自编码器网络进行参数更新，得到参数更新后的复数可分类自编码器网络；将所述验证集输入所述参数更新后的复数可分类自编码器网络，获得第二估计信道指纹特征和第二重构估计信道；根据所述第二估计信道指纹特征和所述第二重构估计信道获得所述验证集的损失；所述验证集的损失包括均方误差损失和交叉熵损失；判断所述验证集的损失是否收敛，若所述验证集的损失收敛，判断所述参数更新后的复数可分类自编码器网络为所述训练好的复数可分类自编码器网络；若所述验证集的损失不收敛，根据所述训练集继续对所述参数更新后的复数可分类自编码器网络进行训练；将所述网关的测试集输入所述训练好的复数可分类自编码器网络，输出重构的估计信道；根据所述测试集以及所述重构的估计信道输出身份认证结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 面向工业物联网欺骗攻击的学习驱动物理层认证方法

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