Fugu-MT 論文翻訳(概要): Open-Set RF Fingerprinting via Improved Prototype Learning

論文の概要: Open-Set RF Fingerprinting via Improved Prototype Learning

arxiv url: http://arxiv.org/abs/2306.13895v1
Date: Sat, 24 Jun 2023 08:04:06 GMT
ステータス: 処理完了
システム内更新日: 2023-06-27 18:31:00.984002
Title: Open-Set RF Fingerprinting via Improved Prototype Learning
Title（参考訳）: プロトタイプ学習の改善によるオープンセットrfフィンガープリント
Authors: Weidong Wang, Hongshu Liao, and Lu Gan
Abstract要約: オープンセットRFフィンガープリントのためのプロトタイプ学習を利用する。一貫性に基づく正規化とオンラインラベルスムース化の2つの改善を提案する。実世界のRFデータセットを用いた実験結果から,提案手法がプロトタイプ学習を大幅に改善できることが示された。
参考スコア（独自算出の注目度）: 7.956132769841986
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning has been widely used in radio frequency (RF) fingerprinting. Despite its excellent performance, most existing methods only consider a closed-set assumption, which cannot effectively tackle signals emitted from those unknown devices that have never been seen during training. In this letter, we exploit prototype learning for open-set RF fingerprinting and propose two improvements, including consistency-based regularization and online label smoothing, which aim to learn a more robust feature space. Experimental results on a real-world RF dataset demonstrate that our proposed measures can significantly improve prototype learning to achieve promising open-set recognition performance for RF fingerprinting.
Abstract（参考訳）: 深層学習は高周波指紋認証(RF)において広く用いられている。優れた性能にもかかわらず、既存のほとんどのメソッドはクローズドセットの仮定のみを考慮しており、トレーニング中に見たことのない未知のデバイスから発せられる信号に効果的に対処できない。本稿では,オープンセットRFフィンガープリントのためのプロトタイプ学習を活用し,一貫性に基づく正規化と,より堅牢な機能空間の学習を目的としたオンラインラベルスムース化の2つの改善を提案する。実世界のrfデータセットにおける実験結果は,提案手法がプロトタイプ学習を著しく改善し,rfフィンガープリンティングのオープンセット認識性能を期待できることを示した。

関連論文リスト

Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文参考訳（メタデータ） (2024-03-12T01:28:00Z)
Unsupervised Contrastive Learning for Robust RF Device Fingerprinting Under Time-Domain Shift [12.443489826220183]
RF(Radio Frequency)デバイス指紋認証は、無線デバイスの自動識別と分類の潜在的な技術として認識されている。チャネルの状態や環境設定の変化から生じる可能性のあるドメインシフトのために、これは大きな課題に直面します。本稿では,この領域シフト問題を緩和するために,コントラスト学習を活用する新しい手法を提案する。
論文参考訳（メタデータ） (2024-03-06T20:33:55Z)
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)
Federated Radio Frequency Fingerprinting with Model Transfer and Adaptation [26.646820912136416]
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。
論文参考訳（メタデータ） (2023-02-22T14:55:30Z)
One-shot Generative Distribution Matching for Augmented RF-based UAV Identification [0.0]
この研究は、限られたRF環境下でRFフィンガープリントを用いて無人航空機(UAV)を特定するという課題に対処する。 RF信号の複雑さと可変性は、環境干渉やハードウェアの不完全性の影響を受け、従来のRFベースの識別手法を効果的にしないことが多い。変換されたRF信号を増強するためのワンショット生成法は、UAV識別を著しく改善する。
論文参考訳（メタデータ） (2023-01-20T02:35:43Z)
Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2022-08-04T15:46:48Z)
Unsupervised Domain Adaptation for RF-based Gesture Recognition [14.523667781155666]
RFに基づくジェスチャー認識のための教師なしドメイン適応フレームワークを提案する。まず、モデルトレーニングに未ラベルデータを利用するために、擬似ラベルと整合正則化を提案する。次に、RF信号の特性に基づいて、2つの対応するデータ拡張手法を設計し、一貫性の正則化の性能を高める。
論文参考訳（メタデータ） (2021-11-20T14:25:35Z)
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)
ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
ProxyFAUGはルールベースで近接性に基づく指紋増強法である。このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
論文参考訳（メタデータ） (2021-02-04T15:59:30Z)
FedRec: Federated Learning of Universal Receivers over Fading Channels [92.15358738530037]
本稿では,ダウンリンクフェージングチャネルに対するニューラルネットワークを用いたシンボル検出手法を提案する。複数のユーザが協力して、普遍的なデータ駆動型検出器を学習する。得られた受信機の性能は、フェーディング統計の知識を必要とせずに、様々なチャネル条件下でMAP性能に近づくことを示す。
論文参考訳（メタデータ） (2020-11-14T11:29:55Z)
Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。上記のプロパティをすべて享受する既存のメソッドはありません。本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
論文参考訳（メタデータ） (2020-02-25T15:12:15Z)

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。