Noise-Robust Radio Frequency Fingerprint Identification Using Denoise Diffusion Model

要約

モノのインターネット（IoT）デバイスを保護することで、計算およびエネルギーリソースが限られているため、増加する課題があります。
無線周波数指紋識別（RFFI）は、ハードウェア障害を介してワイヤレスデバイスを識別するための有望な認証手法として登場します。
低信号対雑音比（SNR）シナリオでのRFFIパフォーマンスは、微小ハードウェア機能がノイズで簡単に圧倒される可能性があるため、大幅に低下します。
この論文では、拡散モデルを活用して、低SNRシナリオの下でRFFを効果的に復元しました。
具体的には、強力なノイズ予測因子をトレーニングし、ノイズ除去アルゴリズムを調整して、受信信号のノイズレベルを効果的に低下させ、デバイスの指紋を復元しました。
Wi-Fiをケーススタディとして使用し、6つの市販のWi-FiドングルとUSRP N210ソフトウェア定義ラジオ（SDR）プラットフォームを含むテストベッドを作成しました。
さまざまなSNRシナリオで実験的評価を実施しました。
実験結果は、提案されたアルゴリズムが分類精度を最大34.9％改善できることを示しています。

要約(オリジナル)

Securing Internet of Things (IoT) devices presents increasing challenges due to their limited computational and energy resources. Radio Frequency Fingerprint Identification (RFFI) emerges as a promising authentication technique to identify wireless devices through hardware impairments. RFFI performance under low signal-to-noise ratio (SNR) scenarios is significantly degraded because the minute hardware features can be easily swamped in noise. In this paper, we leveraged the diffusion model to effectively restore the RFF under low SNR scenarios. Specifically, we trained a powerful noise predictor and tailored a noise removal algorithm to effectively reduce the noise level in the received signal and restore the device fingerprints. We used Wi-Fi as a case study and created a testbed involving 6 commercial off-the-shelf Wi-Fi dongles and a USRP N210 software-defined radio (SDR) platform. We conducted experimental evaluations on various SNR scenarios. The experimental results show that the proposed algorithm can improve the classification accuracy by up to 34.9%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google