論文の概要: Open Set RF Fingerprinting Identification: A Joint Prediction and Siamese Comparison Framework

• arxiv url: http://arxiv.org/abs/2501.15391v1
• Date: Sun, 26 Jan 2025 04:09:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:53:39.765601
• Title: Open Set RF Fingerprinting Identification: A Joint Prediction and Siamese Comparison Framework
• Title（参考訳）: 開集合RFフィンガープリンティング同定:共同予測とシームズ比較フレームワーク
• Authors: Donghong Cai, Jiahao Shan, Ning Gao, Bingtao He, Yingyang Chen, Shi Jin, Pingzhi Fan,
• Abstract要約: 開集合認識のための共用無線周波数指紋予測とサイムズ比較(JRFFP-SC)フレームワークを提案する。 提案するJRFFP-SCフレームワークは,クラス間干渉を排除し,オープンセット識別に関わる課題を効果的に解決する。
• 参考スコア（独自算出の注目度）: 37.79439245394741
• License:
• Abstract: Radio Frequency Fingerprinting Identification (RFFI) is a lightweight physical layer identity authentication technique. It identifies the radio-frequency device by analyzing the signal feature differences caused by the inevitable minor hardware impairments. However, existing RFFI methods based on closed-set recognition struggle to detect unknown unauthorized devices in open environments. Moreover, the feature interference among legitimate devices can further compromise identification accuracy. In this paper, we propose a joint radio frequency fingerprint prediction and siamese comparison (JRFFP-SC) framework for open set recognition. Specifically, we first employ a radio frequency fingerprint prediction network to predict the most probable category result. Then a detailed comparison among the test sample's features with registered samples is performed in a siamese network. The proposed JRFFP-SC framework eliminates inter-class interference and effectively addresses the challenges associated with open set identification. The simulation results show that our proposed JRFFP-SC framework can achieve excellent rogue device detection and generalization capability for classifying devices.
• Abstract（参考訳）: RFFI(Radio Frequency Fingerprinting Identification)は、物理層認証技術である。 必然的に小さなハードウェア障害に起因する信号特徴差を解析することにより、無線周波数デバイスを識別する。 しかし, 既成のRFFI法は, オープン環境における未知の未承認デバイスの検出に苦慮している。 さらに、正規デバイス間の特徴干渉により、識別精度をさらに損なうことができる。 本稿では,開集合認識のための共用無線周波数指紋予測とサイムズ比較(JRFFP-SC)フレームワークを提案する。 具体的には、まず無線周波数指紋予測ネットワークを用いて、最も可能性の高いカテゴリの予測を行う。 そして、サイムズネットワークにおいて、テストサンプルの特徴と登録サンプルとの詳細な比較を行う。 提案するJRFFP-SCフレームワークは,クラス間干渉を排除し,オープンセット識別に関わる課題を効果的に解決する。 シミュレーションの結果,提案するJRFFP-SCフレームワークは,装置の分類に優れたローグ検出と一般化を実現することができることがわかった。

関連論文リスト

• HidePrint: Hiding the Radio Fingerprint via Random Noise [3.9901365062418312]
  HidePrintは、送信された信号に制御されたノイズを注入することで、送信者の指紋を不正な盗聴者に対して隠す。 我々は,送信者が無線指紋を意図した受信者のサブセットのみに開示できる新しい技術である,選択的無線指紋開示を導入する。
  論文  参考訳（メタデータ） (2024-11-10T10:45:35Z)
• On the Reliability of Radio Frequency Fingerprinting [5.074726108522963]
  RFF(Radio Frequency Fingerprinting)は、RF放射に基づいて物理層(PHY)のデバイスを識別するユニークな方法を提供する。 我々は,新しいFPGA画像が再ロードされるたびに,SDRが新しい通信を開始すると,指紋の突然変異が現れることを示す。
  論文  参考訳（メタデータ） (2024-08-17T12:06:21Z)
• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• Erasing Radio Frequency Fingerprints via Active Adversarial Perturbation [19.88283575742985]
  本稿では、パイロット信号データから機械学習モデルを訓練して識別する、一般的なRFフィンガープリントシナリオについて考察する。 新たな対向攻撃ソリューションは適切な摂動を生成するように設計されており、パイロット信号はハードウェアの特徴を隠蔽し、モデルを誤分類することができる。 大規模な実験結果から,RF指紋を効果的に消去し,ユーザのプライバシーを保護できることが示されている。
  論文  参考訳（メタデータ） (2024-06-11T15:16:05Z)
• Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
  既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。 いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-21T08:58:49Z)
• 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)
• DeFakePro: Decentralized DeepFake Attacks Detection using ENF Authentication [66.2466055910145]
  DeFakeProは、オンラインビデオ会議ツールにおけるコンセンサスメカニズムに基づくDeepfake検出技術である。 ENF信号のゆらぎの類似性は、PoENFアルゴリズムを用いて、会議ツールで放送されたメディアを認証する。
  論文  参考訳（メタデータ） (2022-07-22T01:22:11Z)
• Few-Shot Specific Emitter Identification via Deep Metric Ensemble Learning [26.581059299453663]
  本稿では,自動監視ブロードキャスト(ADS-B)信号を用いた航空機識別のための新しいFS-SEIを提案する。 特に,提案手法は特徴埋め込みと分類から成り立っている。 シミュレーションの結果,カテゴリごとのサンプル数が5以上であれば,提案手法の平均精度は98%以上であることがわかった。
  論文  参考訳（メタデータ） (2022-07-14T01:09:22Z)
• 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)
• Device Authentication Codes based on RF Fingerprinting using Deep Learning [2.980018103007841]
  Device Authentication Code (DAC) は、その無線周波数(RF)シグネチャを利用して、IoTデバイスを無線インターフェースで認証する新しい方法である。 DACは,任意の無線機器に特有の有能な特徴を抽出することにより,デバイス偽造を防止することができることを示す。
  論文  参考訳（メタデータ） (2020-04-19T01:50:29Z)

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。