論文の概要: Improving WiFi CSI Fingerprinting with IQ Samples
- arxiv url: http://arxiv.org/abs/2408.06848v1
- Date: Tue, 13 Aug 2024 12:21:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-14 17:36:36.923306
- Title: Improving WiFi CSI Fingerprinting with IQ Samples
- Title（参考訳）: IQサンプルによるWiFi CSIフィンガープリントの改善
- Authors: Junjie Wang, Yong Huang, Feiyang Zhao, Wenjing Wang, Dalong Zhang, Wei Wang,
- Abstract要約: 無線通信の情報セキュリティを確保するためにはアイデンティティ認証が不可欠である。
RFフィンガープリント技術は、暗号ベースの認証アプローチのプロムアップサプリメントを提供する。
近年の進歩は、軽量RFフィンガープリントのための商用WiFiデバイスによる、容易に得ることのできるチャネル状態情報(CSI)を提唱している。
我々は,IQベースの手法に匹敵する性能を実現する新しいCSIフィンガープリントシステムであるCSI2Qを提案する。
- 参考スコア（独自算出の注目度）: 11.35984799379648
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identity authentication is crucial for ensuring the information security of wireless communication. Radio frequency (RF) fingerprinting techniques provide a prom-ising supplement to cryptography-based authentication approaches but rely on dedicated equipment to capture in-phase and quadrature (IQ) samples, hindering their wide adoption. Recent advances advocate easily obtainable channel state in-formation (CSI) by commercial WiFi devices for lightweight RF fingerprinting, but they mainly focus on eliminating channel interference and cannot address the challenges of coarse granularity and information loss of CSI measurements. To overcome these challenges, we propose CSI2Q, a novel CSI fingerprinting sys-tem that achieves comparable performance to IQ-based approaches. Instead of ex-tracting fingerprints directly from raw CSI measurements, CSI2Q first transforms them into time-domain signals that share the same feature space with IQ samples. Then, the distinct advantages of an IQ fingerprinting model in feature extraction are transferred to its CSI counterpart via an auxiliary training strategy. Finally, the trained CSI fingerprinting model is used to decide which device the sample under test comes from. We evaluate CSI2Q on both synthetic and real CSI datasets. On the synthetic dataset, our system can improve the recognition accuracy from 76% to 91%. On the real dataset, CSI2Q boosts the accuracy from 67% to 82%.
- Abstract（参考訳）: 無線通信の情報セキュリティを確保するためにはアイデンティティ認証が不可欠である。
RF (Radio frequency) フィンガープリント技術は、暗号ベースの認証アプローチのプロムアップサプリメントを提供するが、インフェーズとクアキュア(IQ)サンプルをキャプチャするための専用の機器に依存しており、広く採用されるのを妨げている。
近年の進歩は、市販のRFフィンガープリンティングデバイスによるチャネル状態情報(CSI)の取得が容易であるが、チャネル干渉の排除に重点を置いており、CSI測定の粗い粒度や情報損失の課題に対処できない。
これらの課題を克服するために、IQベースのアプローチに匹敵する性能を実現する新しいCSIフィンガープリントシステムであるCSI2Qを提案する。
指紋を生のCSI測定から直接抽出する代わりに、CSI2Qはまず、同じ特徴空間をIQサンプルで共有する時間領域信号に変換する。
次に,特徴抽出におけるIQフィンガープリントモデルの特長を,補助的なトレーニング戦略を通じてCSIに伝達する。
最後に、トレーニングされたCSIフィンガープリントモデルを使用して、テスト中のサンプルがどのデバイスから来ているかを決定する。
合成CSIデータセットと実CSIデータセットの両方でCSI2Qを評価する。
合成データセットでは,認識精度を76%から91%に向上させることができる。
実際のデータセットでは、CSI2Qは精度を67%から82%に向上させる。
関連論文リスト
- Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される
本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。
X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-05-10T08:04:27Z) - Finding the Missing Data: A BERT-inspired Approach Against Package Loss in Wireless Sensing [14.973433993744708]
CSI回復のための変換器(BERT)からの双方向表現に基づく深層学習モデルを提案する。
CSI-BERTは、追加のデータを必要とせずに、ターゲットデータセット上で自己管理的な方法でトレーニングすることができる。
実験の結果,CSI-BERTは従来の手法に比べて誤り率と速度が低いことがわかった。
論文 参考訳（メタデータ） (2024-03-19T03:16:52Z) - RSCNet: Dynamic CSI Compression for Cloud-based WiFi Sensing [9.34104644481967]
本稿では,圧縮CSIによるセンシングを可能にする新しいリアルタイムセンシング・圧縮ネットワーク(RSCNet)を提案する。
RSCNetは、CSI圧縮とセンシング精度のトレードオフをバランスさせ、通信コストを削減し、リアルタイムクラウドベースのWiFiセンシングを合理化する。
数値的な発見は、SenseFiのような既存のベンチマークよりもRCCNetが向上していることを示し、最小のCSI再構成誤差で97.4%の感度の精度を示した。
論文 参考訳（メタデータ） (2024-01-19T20:30:23Z) - A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。
しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。
CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。
既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。
低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
論文 参考訳（メタデータ） (2023-12-07T06:01:47Z) - A Universal Latent Fingerprint Enhancer Using Transformers [47.87570819350573]
本研究の目的は,ULPrintと呼ばれる高速なフィンガープリント方式を開発し,様々な潜伏指紋のタイプを増強することである。
クローズドセットの識別精度実験では、MSU-AFISの性能は61.56%から75.19%に向上した。
論文 参考訳（メタデータ） (2023-05-31T23:01:11Z) - Attention-Enhanced Deep Learning for Device-Free Through-the-Wall
Presence Detection Using Indoor WiFi Systems [9.087163485833054]
WiFi信号のチャネル状態情報(CSI)を用いた人間の存在検知システムを提案する。
本システムでは,CSIデータから情報サブキャリアを自動的に選択するためのアテンションメカニズムを用いて,アテンション検出のためのアテンション強化深層学習(ALPD)と命名した。
提案するALPDシステムは,CSIデータセットを収集するための一対のWiFiアクセスポイント(AP)をデプロイすることで評価し,さらにいくつかのベンチマークと比較した。
論文 参考訳（メタデータ） (2023-04-25T19:17:36Z) - AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。
ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。
この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
論文 参考訳（メタデータ） (2022-11-25T05:10:39Z) - CRONOS: Colorization and Contrastive Learning for Device-Free NLoS Human
Presence Detection using Wi-Fi CSI [9.927073290898848]
センサーやカメラによるデバイスなしの人間検出は広く採用されているが、プライバシーの問題や、動きのない人の誤検知が伴っている。
我々は,動的反復プロット(RP)とカラーコードCSI比を生成するCRONOSというシステムを提案する。
論文 参考訳（メタデータ） (2022-11-07T16:18:18Z) - SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。
この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
論文 参考訳（メタデータ） (2022-04-13T16:27:27Z) - Using GAN to Enhance the Accuracy of Indoor Human Activity Recognition [0.9239657838690226]
本研究では,長期記憶(LSTM)を用いて特徴を学習し,7つの異なる行動を認識する,行動認識システムのための半教師付き学習手法を提案する。
実験の結果,分類精度を3.4%向上し,ログ損失を約16%低減できることを確認した。
論文 参考訳（メタデータ） (2020-04-23T15:22:05Z) - DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO
Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。
本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。
DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文 参考訳（メタデータ） (2020-02-08T18:31:00Z)
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。