• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于混合特征指纹的无线设备身份识别方法

宋宇波, 陈冰, 郑天宇, 陈宏远, 陈立全, 胡爱群

宋宇波, 陈冰, 郑天宇, 陈宏远, 陈立全, 胡爱群. 基于混合特征指纹的无线设备身份识别方法[J]. 计算机研究与发展, 2021, 58(11): 2374-2399. DOI: 10.7544/issn1000-1239.2021.20210676
引用本文: 宋宇波, 陈冰, 郑天宇, 陈宏远, 陈立全, 胡爱群. 基于混合特征指纹的无线设备身份识别方法[J]. 计算机研究与发展, 2021, 58(11): 2374-2399. DOI: 10.7544/issn1000-1239.2021.20210676
shu
Song Yubo, Chen Bing, Zheng Tianyu, Chen Hongyuan, Chen Liquan, Hu Aiqun. Hybrid Feature Fingerprint-Based Wireless Device Identification[J]. Journal of Computer Research and Development, 2021, 58(11): 2374-2399. DOI: 10.7544/issn1000-1239.2021.20210676
Citation: Song Yubo, Chen Bing, Zheng Tianyu, Chen Hongyuan, Chen Liquan, Hu Aiqun. Hybrid Feature Fingerprint-Based Wireless Device Identification[J]. Journal of Computer Research and Development, 2021, 58(11): 2374-2399. DOI: 10.7544/issn1000-1239.2021.20210676
shu
宋宇波, 陈冰, 郑天宇, 陈宏远, 陈立全, 胡爱群. 基于混合特征指纹的无线设备身份识别方法[J]. 计算机研究与发展, 2021, 58(11): 2374-2399. CSTR: 32373.14.issn1000-1239.2021.20210676
引用本文: 宋宇波, 陈冰, 郑天宇, 陈宏远, 陈立全, 胡爱群. 基于混合特征指纹的无线设备身份识别方法[J]. 计算机研究与发展, 2021, 58(11): 2374-2399. CSTR: 32373.14.issn1000-1239.2021.20210676
shu
Song Yubo, Chen Bing, Zheng Tianyu, Chen Hongyuan, Chen Liquan, Hu Aiqun. Hybrid Feature Fingerprint-Based Wireless Device Identification[J]. Journal of Computer Research and Development, 2021, 58(11): 2374-2399. CSTR: 32373.14.issn1000-1239.2021.20210676
Citation: Song Yubo, Chen Bing, Zheng Tianyu, Chen Hongyuan, Chen Liquan, Hu Aiqun. Hybrid Feature Fingerprint-Based Wireless Device Identification[J]. Journal of Computer Research and Development, 2021, 58(11): 2374-2399. CSTR: 32373.14.issn1000-1239.2021.20210676
shu

基于混合特征指纹的无线设备身份识别方法

  • 1(东南大学网络空间安全学院 南京 211189)

  • 2(江苏省计算机网络技术重点实验室(东南大学) 南京 210096)

  • 3(紫金山实验室 南京 211111)

  • 4(东南大学信息科学与工程学院 南京 211189) (songyubo@seu.edu.cn)

基金项目: 国家重点研发计划项目(2020YFE0200600)
详细信息

  • 中图分类号: TP309

Hybrid Feature Fingerprint-Based Wireless Device Identification

  • 1(School of Cyber Science and Engineering, Southeast University, Nanjing 211189)

  • 2(Key Laboratory of Computer Network Technology of Jiangsu Province (Southeast University), Nanjing 210096)

  • 3(Purple Mountain Laboratories, Nanjing 211111)

  • 4(School of Information Science and Engineering, Southeast University, Nanjing 211189)

Funds: This work was supported by the National Key Research and Development Program of China (2020YFE0200600).

HTML全文

    摘要
  • 摘要: 无线网络利用开放性的无线信道传输数据，因此容易遭受设备假冒攻击和通信数据伪造攻击，而防范此类攻击需要精准的设备识别.基于信道状态信息(channel state information, CSI)指纹的设备识别技术利用无线信道特征来识别设备.由于CSI提供细粒度的信道特征，并且可以从OFDM无线设备中轻松获取，因此该技术受到广泛的关注.但是反映无线信道特征的CSI指纹会随着终端的位置和所处环境的改变而改变，并且现有技术通常将机器学习用于指纹匹配以追求高识别准确率，随之而来的高计算复杂度使其无法在计算能力有限的嵌入式设备中实现.针对上述问题，提出了一种基于混合特征指纹的设备身份识别方法，包含终端接入时和通信时的设备识别.在接入时，引入了与终端外界因素无关的数据包到达时间间隔分布(packet arrival interval distribution, PAID)指纹进行识别，以弥补CSI指纹的缺陷；在通信时，借助CSI可以逐包获取的特点，从每个报文中提取CSI指纹并进行实时识别.同时，提出了一种计算复杂度较低的指纹匹配方案，以保证在计算能力有限的设备中也能快速且准确地识别终端.在树莓派上实现了设备识别原型系统并开展了实验，实验表明：该系统在接入时和通信时的识别准确率最高可达98.17%和98.7%，通信时单个数据包的识别时间仅需0.142ms.
    Abstract: Wireless networks transmit data over open wireless channels, so they are vulnerable to impersonation attacks and information forgery attacks. To prevent such attacks, accurate device identification is required. The device identification technology based on channel state information (CSI) fingerprinting uses the wireless channel characteristics of device for identification. Since CSI can provide fine-grained channel characteristics and can be easily obtained from OFDM wireless devices, this technology has received wide attention. However, since CSI fingerprints identify the wireless channel characteristics of device, they change with the location or the environment of device. What’s more, the existing technologies usually use machine learning for fingerprint matching for increasing identification accuracy, but the computational complexity of fingerprint matching increases, which in turn cannot be implemented in embedded devices with limited computational ability. To address these problems, this paper proposes a hybrid feature fingerprint-based device identification scheme, which includes the identification in access stage and communication stage. Packet arrival interval distribution (PAID) fingerprint, which is independent of device’s location, is introduced for identification in access stage to compensate for the shortcomings of the CSI fingerprint. In communication stage, CSI fingerprints are extracted from each data packet and identified in real time with the feature that CSI can be acquired packet by packet. In addition, this paper proposes a fingerprint matching scheme with low computational complexity to ensure fast and accurate device identification even in devices with limited computational ability. We implement the identification system on Raspberry Pi and perform some experiments, which show that the identification accuracy is up to 98.17% and 98.7% in access stage and communication stage, and the identification time of a single packet in communication stage is only 0.142ms.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(48)

  • 期刊类型引用(20)

    1. 马行坡，闫梦凡，闵洁，殷明. 一种基于“云-边”协同计算的新安全联邦学习方案. 信阳师范大学学报(自然科学版). 2025(01): 66-71 . 百度学术
    2. 白静，许建军，张龙昌. 随机供需云环境中应用提供商收益驱动的最优资源协同配置策略. 信息系统学报. 2025(01): 105-127 . 百度学术
    3. 何涵，刘鹏，赵亮，王青山. 无人机任务卸载与充电协同优化. 工程科学与技术. 2024(01): 99-109 . 百度学术
    4. 朱思峰，蔡江昊，柴争义，孙恩林. 车联网边缘场景下基于免疫算法的计算卸载优化. 吉林大学学报(工学版). 2024(01): 221-231 . 百度学术
    5. 陈晶腾，陈芳. 分布式新能源接入的配电网降损技术研究. 自动化与仪器仪表. 2024(06): 291-295 . 百度学术
    6. 白静，张龙昌. 云应用提供商收益驱动的最佳云资源配置策略. 计算机集成制造系统. 2024(07): 2495-2505 . 百度学术
    7. 冯起，薛喜红，任龙，冯英. 考虑云端距离的科技服务边缘计算资源均衡调度算法. 自动化技术与应用. 2024(08): 95-98+104 . 百度学术
    8. 纪雯，杨哲铭，王智，郭斌，沈博. 视觉端边云融合架构:面向超级智慧城市群演进的关键技术. 中国科学:信息科学. 2024(11): 2518-2532 . 百度学术
    9. 赵璞，肖人彬. 基于自组织劳动分工的边云协同任务调度与资源缓存算法. 控制与决策. 2023(05): 1352-1362 . 百度学术
    10. 唐续豪，刘发贵，王彬，李超，蒋俊，唐泉，陈维明，何凤文. 跨云环境下任务调度综述. 计算机研究与发展. 2023(06): 1262-1275 . 本站查看
    11. 原静，孙骏. 基于边缘计算的智能电网数据调度与快速分发方法. 信息与电脑(理论版). 2023(06): 226-229 . 百度学术
    12. 刘鲤君，丁红，祁鸿燕，杜丽华，孙艳丽，姜宁. PaaS架构后端管理平台的云边协同调度算法设计. 现代电子技术. 2023(16): 91-96 . 百度学术
    13. 徐胜超. 基于混合蛙跳算法的容器云资源低能耗部署方法. 重庆邮电大学学报(自然科学版). 2023(05): 952-959 . 百度学术
    14. 何卫刚，王晓敏. 多技术辅助的高可靠矿井通信网络框架. 陕西煤炭. 2023(06): 150-153 . 百度学术
    15. 蒋伟进，孙永霞，朱昊冉，陈萍萍，张婉清，陈君鹏. 边云协同计算下基于ST-GCN的监控视频行为识别机制. 南京大学学报(自然科学). 2022(01): 163-174 . 百度学术
    16. 周伟，谢志强. 考虑多工序设备权重的资源协同综合调度算法. 电子与信息学报. 2022(05): 1625-1635 . 百度学术
    17. 李凌，陈曦，沈维捷，熊汉武，蔡冉冉. 面向电工装备智能监造的边缘缓存策略. 计算机与现代化. 2022(05): 61-67 . 百度学术
    18. 关天柱. 基于随机优化的边缘网络任务资源协同传输调度机制. 长江信息通信. 2022(06): 59-61 . 百度学术
    19. 邓勇琛，胡忠波，王素贞. 边缘计算环境下的任务调度综述. 河北省科学院学报. 2022(04): 1-7 . 百度学术
    20. 王其朝，金光淑，李庆，王锴，杨祖业，王宏. 工业边缘计算研究现状与展望. 信息与控制. 2021(03): 257-274 . 百度学术

    其他类型引用(28)

    • 资源附件(0)
计量
  • 文章访问数:  382
  • HTML全文浏览量:  4
  • PDF下载量:  327
  • 被引次数: 48
出版历程
  • 发布日期:  2021-10-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(48)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计