論文の概要: A Generic Machine Learning Framework for Radio Frequency Fingerprinting

• arxiv url: http://arxiv.org/abs/2510.09775v1
• Date: Fri, 10 Oct 2025 18:34:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.618974
• Title: A Generic Machine Learning Framework for Radio Frequency Fingerprinting
• Title（参考訳）: 高周波フィンガープリントのための汎用機械学習フレームワーク
• Authors: Alex Hiles, Bashar I. Ahmad,
• Abstract要約: フィンガープリンティング無線周波数(RF)エミッタは通常、送信信号に特徴付けられる独自のエミッタ特性の発見を伴う。 最も粒度の細かいダウンストリームタスクは、特定の送信者識別(SEI)と呼ばれ、成功させるためにはRFフィンガープリント(RFF)アプローチが必要である。 RFF法は、Emitter Data Association (EDA) やRF Emitter Clustering (RFEC) など、多くの下流タスクもサポートしている。
• 参考スコア（独自算出の注目度）: 2.234476443495425
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fingerprinting Radio Frequency (RF) emitters typically involves finding unique emitter characteristics that are featured in their transmitted signals. These fingerprints are nuanced but sufficiently detailed, motivating the pursuit of methods that can successfully extract them. The most granular downstream task is known as Specific Emitter Identification (SEI), which requires a well informed RF fingerprinting (RFF) approach for it to be successful. RFF and SEI have a long history, with numerous application areas in defence and civilian contexts such as signal intelligence, electronic surveillance, physical-layer authentication of wireless communication devices, to name a few. RFF methods also support many other downstream tasks such as Emitter Data Association (EDA) and RF Emitter Clustering (RFEC) and are applicable to a range of transmission types. In recent years, data-driven approaches have become popular in the RFF domain due to their ability to automatically learn intricate fingerprints from raw data. These methods generally deliver superior performance when compared to traditional techniques. The more traditional approaches are often labour-intensive, inflexible and only applicable to a particular emitter type or transmission scheme. Therefore, we consider data-driven Machine Learning (ML)-enabled RFF. In particular, we propose a generic framework for ML-enabled RFF which is inclusive of several popular downstream tasks such as SEI, EDA and RFEC. Each task is formulated as a RF fingerprint-dependent task. A variety of use cases using real RF datasets are presented here to demonstrate the framework for a range of tasks and application areas, such as spaceborne surveillance, signal intelligence and countering drones.
• Abstract（参考訳）: フィンガープリンティング無線周波数(RF)エミッタは通常、送信信号に特徴付けられる独自のエミッタ特性の発見を伴う。 これらの指紋はニュアンスに富んでいるが、十分に詳細であり、それらをうまく抽出できる方法の追求を動機付けている。 最も粒度の細かいダウンストリームタスクは、特定の送信者識別(SEI)と呼ばれ、成功させるためにはRFフィンガープリント(RFF)アプローチが必要である。 RFFとSEIは長い歴史があり、信号インテリジェンス、電子監視、無線通信機器の物理的層認証など、防衛や民間の状況における多くの応用分野がある。 RFF法はまた、Emitter Data Association (EDA) やRF Emitter Clustering (RFEC) といった多くの下流タスクをサポートし、様々な送信タイプに適用できる。 近年、RFFドメインでは、生データから複雑な指紋を自動的に学習する能力により、データ駆動型アプローチが普及している。 これらの手法は一般的に従来の手法と比較して優れた性能を提供する。 伝統的なアプローチは、しばしば労働集約的で、柔軟性がなく、特定のエミッタタイプや送信方式にのみ適用できる。 そこで我々は、データ駆動機械学習(ML)対応RFFについて検討する。 特に,SEI,EDA,RFECなどの下流タスクを含むML対応RFFの汎用フレームワークを提案する。 各タスクはRF指紋依存タスクとして定式化される。 実際のRFデータセットを使用したさまざまなユースケースを紹介して、宇宙からの監視、信号インテリジェンス、対向ドローンなど、さまざまなタスクやアプリケーション領域のフレームワークを実証する。

関連論文リスト

• 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)
• 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)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• Robust Semi-supervised Federated Learning for Images Automatic Recognition in Internet of Drones [57.468730437381076]
  プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。 異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。 本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
  論文  参考訳（メタデータ） (2022-01-03T16:49:33Z)
• A Comprehensive Survey on Radio Frequency (RF) Fingerprinting: Traditional Approaches, Deep Learning, and Open Challenges [1.5469452301122175]
  破壊的なアプリケーションをサポートするために、IoT(Internet of Things)の大規模なロールアウトが想定されている。 大量のワイヤレスデバイスが、前例のない脅威面を露出する。 RFフィンガープリントは暗号やゼロトラストのセキュリティ対策と組み合わせることができる候補技術として推奨されている。
  論文  参考訳（メタデータ） (2022-01-03T14:42:53Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• 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)
• Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
  WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。 得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。 WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
  論文  参考訳（メタデータ） (2021-07-11T19:02:07Z)

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。