論文の概要: Federated Radio Frequency Fingerprinting with Model Transfer and Adaptation

• arxiv url: http://arxiv.org/abs/2302.11418v1
• Date: Wed, 22 Feb 2023 14:55:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 14:55:06.664124
• Title: Federated Radio Frequency Fingerprinting with Model Transfer and Adaptation
• Title（参考訳）: モデル転送と適応によるフェデレーション高周波フィンガープリント
• Authors: Chuanting Zhang, Shuping Dang, Junqing Zhang, Haixia Zhang, Mark A. Beach
• Abstract要約: 本稿では,モデル転送と適応という新しい手法を用いたRFフィンガープリントアルゴリズムを提案する。 提案アルゴリズムは、RFフィンガープリントに畳み込み層間の密接な接続を導入し、学習精度を高め、モデルの複雑さを低減する。 現状のRFフィンガープリンティングアルゴリズムと比較して,提案アルゴリズムは最大15%の性能向上で予測性能を大幅に向上させることができる。
• 参考スコア（独自算出の注目度）: 26.646820912136416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Radio frequency (RF) fingerprinting technique makes highly secure device authentication possible for future networks by exploiting hardware imperfections introduced during manufacturing. Although this technique has received considerable attention over the past few years, RF fingerprinting still faces great challenges of channel-variation-induced data distribution drifts between the training phase and the test phase. To address this fundamental challenge and support model training and testing at the edge, we propose a federated RF fingerprinting algorithm with a novel strategy called model transfer and adaptation (MTA). The proposed algorithm introduces dense connectivity among convolutional layers into RF fingerprinting to enhance learning accuracy and reduce model complexity. Besides, we implement the proposed algorithm in the context of federated learning, making our algorithm communication efficient and privacy-preserved. To further conquer the data mismatch challenge, we transfer the learned model from one channel condition and adapt it to other channel conditions with only a limited amount of information, leading to highly accurate predictions under environmental drifts. Experimental results on real-world datasets demonstrate that the proposed algorithm is model-agnostic and also signal-irrelevant. Compared with state-of-the-art RF fingerprinting algorithms, our algorithm can improve prediction performance considerably with a performance gain of up to 15\%.
• Abstract（参考訳）: 無線周波数(RF)フィンガープリント技術は、製造時に導入されるハードウェアの不完全性を利用して、将来のネットワークで高いセキュアなデバイス認証を可能にする。 この技術はここ数年で大きな注目を集めてきたが、RFフィンガープリントはトレーニングフェーズとテストフェーズの間のチャネル偏差によるデータ分布のドリフトに大きな課題に直面している。 この根本的な課題に対処し、エッジでのモデルトレーニングとテストを支援するために、モデル転送適応(MTA)と呼ばれる新しい戦略を用いた連合RFフィンガープリントアルゴリズムを提案する。 提案手法は,畳み込み層間の密結合をrfフィンガープリントに導入し,学習精度を高め,モデルの複雑さを低減する。 さらに,フェデレート学習の文脈で提案したアルゴリズムを実装し,アルゴリズムの通信を効率的かつプライバシー保護する。 データミスマッチ問題をさらに克服するために,学習したモデルを1つのチャネル条件から転送し,限られた情報量で他のチャネル条件に適応させることにより,環境ドリフト下での高精度な予測を実現する。 実世界のデータセットを用いた実験結果から,提案アルゴリズムはモデル非依存であり,信号非関連であることが示された。 現状のRFフィンガープリンティングアルゴリズムと比較して,提案アルゴリズムは最大15倍の性能で予測性能を大幅に向上させることができる。

関連論文リスト

• RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
  本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。 まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。 第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。 第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
  論文  参考訳（メタデータ） (2024-09-13T13:53:41Z)
• Semi-Supervised RF Fingerprinting with Consistency-Based Regularization [18.860503392365644]
  RF指紋認証は、無線セキュリティを大幅に改善することができる。 近年の研究では、ディープラーニングに基づくRFフィンガープリントが従来の手法よりも大幅に優れていることが示されている。 我々はRFフィンガープリントの深層半教師付き学習を活用し、無線信号用に設計された複合データ拡張方式に依存している。
  論文  参考訳（メタデータ） (2023-04-28T12:08:07Z)
• Learning Optimal Phase-Shifts of Holographic Metasurface Transceivers [8.90567774835436]
  遠距離場チャネルモデルのためのHMTにおける最適位相シフトを学習するためのアルゴリズムを提案する。 提案アルゴリズムは、遠距離領域におけるチャネルゲインの構造を利用して、受信した信号にノイズが存在する場合の最適な位相シフトを学習する。
  論文  参考訳（メタデータ） (2022-12-12T12:43:45Z)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• A Generalizable Model-and-Data Driven Approach for Open-Set RFF Authentication [74.63333951647581]
  高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。 RFF抽出と識別のために機械学習に基づく手法が提案されている。 生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:59:37Z)
• Adaptive Anomaly Detection for Internet of Things in Hierarchical Edge Computing: A Contextual-Bandit Approach [81.5261621619557]
  階層エッジコンピューティング(HEC)を用いた適応型異常検出手法を提案する。 まず,複雑性を増した複数のDNNモデルを構築し,それぞれを対応するHEC層に関連付ける。 そこで我々は、文脈帯域問題として定式化され、強化学習ポリシーネットワークを用いて解決される適応モデル選択スキームを設計する。
  論文  参考訳（メタデータ） (2021-08-09T08:45:47Z)
• Fast Federated Learning in the Presence of Arbitrary Device Unavailability [26.368873771739715]
  Federated Learning (FL)は異種デバイスをコーディネートして、ユーザのプライバシを維持しながら共有モデルを協調的にトレーニングする。 ひとつの課題は、デバイスが中央サーバ以外のトレーニングプロセスから外れることだ。 我々はこの問題を解決するためにIm Federated A patientaging (MIFA)を提案する。
  論文  参考訳（メタデータ） (2021-06-08T07:46:31Z)
• ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
  RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。 我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
  論文  参考訳（メタデータ） (2021-05-08T03:03:21Z)
• Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
  機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。 このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。 提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-14T06:58:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。