論文の概要: Cross-Receiver Open-Set Radio Frequency Fingerprinting via Structure-First Adaptation

• arxiv url: http://arxiv.org/abs/2607.02567v3
• Date: Wed, 08 Jul 2026 13:36:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 16:11:06.59161
• Title: Cross-Receiver Open-Set Radio Frequency Fingerprinting via Structure-First Adaptation
• Title（参考訳）: 構造第一適応によるクロスレシーバオープンセット無線周波数フィンガープリント
• Abstract要約: 本稿では,RFFIのための構造ファーストトレーニング(CRODA-ST)によるクロスリーチ型オープンセットドメイン適応フレームワークを提案する。 識別構造 アンカリングは、限定されたラベル付きターゲット登録サンプルからターゲット-受信者既知の参照を復元する。 WiSig ManyTxデータセットでは、CRODA-STが既知のクラス精度、受信動作特性曲線(AUROC)以下の0.9692領域、オープンセット分類率(OSCR)0.9580、偽陽性率0.0469を90%真正レート(FPR90)で達成している。
• 参考スコア（独自算出の注目度）: 9.457137244448043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radio frequency fingerprint identification (RFFI) provides a physical-layer credential for Internet of Things devices, but open-set decisions become fragile when a threshold calibrated on a source receiver is applied to a target receiver. Receiver shift can lower the confidence of known transmitters and cause false rejection, whereas closedset alignment can pull unseen target transmitters into known regions and increase false acceptance. This paper presents a Cross-Receiver Open-set Domain Adaptation framework via Structure-first Training (CRODA-ST) for RFFI. Discriminative Structure Anchoring (DSA) restores target-receiver known-class references from limited labeled target enrollment samples, and Rejection-Oriented Alignment (ROA) reduces receiver-sensitive confidence fluctuations around the anchored structure. On the WiSig ManyTx dataset, CRODA-ST achieves 0.9092 known-class accuracy, 0.9692 area under the receiver operating characteristic curve (AUROC), 0.9580 open-set classification rate (OSCR), and a false positive rate of 0.0469 at a 90% true positive rate (FPR90). Additional evaluations on a controllable LoRa simulation dataset examine the method under synthesized hardware distortions.
• Abstract（参考訳）: 高周波指紋認証(RFFI)は、モノのインターネットデバイスに対して物理層認証を提供するが、ソース受信機に校正されたしきい値がターゲット受信機に印加されると、オープンセット決定が脆弱になる。 受信機シフトは、既知の送信機の信頼性を低下させ、偽の拒絶を引き起こすが、クローズドセットアライメントは、未知のターゲット送信機を既知の領域に引き込み、偽の受け入れを増加させる。 本稿では,RFFIのための構造ファーストトレーニング(CRODA-ST)によるクロスリーチ型オープンセットドメイン適応フレームワークを提案する。 識別構造アンカリング(DSA)は、限定ラベル付き対象登録サンプルからターゲット-受信者既知の参照を復元し、Rejection-Oriented Alignment(ROA)は、アンカーされた構造周辺の受信者の信頼度変動を低減する。 WiSig ManyTxデータセットでは、CRODA-STは0.9092の既知のクラス精度、受信操作特性曲線(AUROC)以下の0.9692の領域、オープンセット分類率(OSCR)0.9580、偽陽性率0.0469を90%の真正レート(FPR90)で達成している。 制御可能なLoRaシミュレーションデータセットのさらなる評価は、合成ハードウェア歪み下での手法を検討する。

関連論文リスト

• Exploiting Radio Frequency Fingerprints for Device Identification: Tackling Cross-receiver Challenges in the Source-data-free Scenario [17.211137756661955]
  本稿では、ソースレシーバからのラベル付き信号に事前学習されたモデルが、ターゲットレシーバからのラベルなし信号に適応しなければならない、ソースデータフリーなクロスレシーバRFFI問題を提案する。 我々は,運動量中心誘導型ソフト擬似ラベルを組み込んだSCRFFIの新しい手法であるMomentum Soft pseudo-label Source hypothesis Transfer (MS-SHOT)を提案する。 MS-SHOTは、精度とロバスト性の両方において既存のアプローチを一貫して上回り、RFFIにおけるソースデータフリーなクロスレシーバ適応のための実用的でスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-12-18T15:20:33Z)
• Cross-Receiver Generalization for RF Fingerprint Identification via Feature Disentanglement and Adversarial Training [29.396203071880905]
  高周波指紋認証(RFFI)は無線ネットワークセキュリティにとって重要な技術である。 ディープニューラルネットワークは、識別的特徴を抽出する際、顕著な能力を示してきたが、現実の展開は、受信者によって引き起こされる変動によって妨げられている。 本稿では,クロスレシーバ変動に頑健なRFFIフレームワークを提案する。 当社のアプローチは、最先端のベースラインを一貫して上回り、多様な受信設定で平均精度を最大10%向上させる。
  論文  参考訳（メタデータ） (2025-10-10T14:01:05Z)
• 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)
• Conformal Distributed Remote Inference in Sensor Networks Under Reliability and Communication Constraints [61.62410595953275]
  通信制約付き分散共形リスク制御(CD-CRC) CD-CRCは通信制約下でのセンサネットワークのための新しい意思決定フレームワークである。
  論文  参考訳（メタデータ） (2024-09-12T10:12:43Z)
• Error Correction by Paying Attention to Both Acoustic and Confidence References for Automatic Speech Recognition [52.624909026294105]
  本稿では,非自己回帰型音声誤り訂正法を提案する。 信頼モジュールは、N-best ASR仮説の各単語の不確実性を測定する。 提案方式は,ASRモデルと比較して誤差率を21%削減する。
  論文  参考訳（メタデータ） (2024-06-29T17:56:28Z)
• Mitigating Receiver Impact on Radio Frequency Fingerprint Identification via Domain Adaptation [15.347306554562048]
  適応モデルに対する理論的一般化誤差を開発する。 そこで本研究では,ドメインアライメントと適応的な擬似ラベリングを含むクロスレシーバRFFI問題の解法を提案する。 実験結果から,提案手法は受信者への影響を効果的に軽減し,受信者間RFFI性能を向上させることができることがわかった。
  論文  参考訳（メタデータ） (2024-04-12T16:08:32Z)
• Covert Communications via Adversarial Machine Learning and Reconfigurable Intelligent Surfaces [46.34482158291128]
  再構成可能なインテリジェントサーフェス(RIS)は、信号の散乱と反射プロファイルを制御するために単位セルの配列に依存する。 本稿では,RISの存在下での隠蔽通信について考察する。
  論文  参考訳（メタデータ） (2021-12-21T18:23:57Z)
• Adversarial Training with Rectified Rejection [114.83821848791206]
  本稿では,信頼度(T-Con)を確実性オラクルとして利用し,信頼度を補正してT-Conを予測することを提案する。 軽度の条件下では、正当性(R-Con)拒絶器と信頼性(R-Con)拒絶器を結合して、不正に分類された入力と正しく分類された入力を区別できることを示す。
  論文  参考訳（メタデータ） (2021-05-31T08:24:53Z)

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。