基于数据增强的小样本射频指纹识别方法研究与应用.pdfVIP

摘要

随着物联网技术的飞速发展与5G通信技术的深入普及，无线设备安全逐渐成

为公众关注的焦点。在此背景下，射频指纹识别技术，依托于无线信号的物理层特

性，展露出其在物联网安全领域的独特价值和广阔前景。

无线设备自身的信号发射周期较长或者存储容量有限，只能获取少量数据。当

前主流的研究方法在这样的小样本场景下识别准确率难以使人满意。因此，本文针

对小样本场景下的射频指纹识别进行了一些深入探索和剖析。当前小样本射频指

纹识别方法面临的主要问题是现有的算法鲁棒性不足，识别准确率较低，而且在小

样本场景下，模型容易发生过拟合的问题。

针对以上问题，本文提出了两种小样本识别算法，意在通过数据增强的方法提

高射频指纹识别的准确率和鲁棒性。本研究的主要贡献可归纳为以下三点：

1)面对样本数量受限和样本可迁移性不足的场景，本文设计并实现了一种基

于生成对抗网络的数据增强模型。该模型旨在对小规模数据集进行扩增和强化，从

而优化射频指纹提取网络的性能，提高射频指纹识别的准确率。

2)为降低对样本标签的依赖，防止模型过拟合，本文提出了一个新的方法，

该方法使用Curls算法进行对抗性数据增强，并结合自监督对比学习进行射频指纹

识别模型的训练，通过深入挖掘数据的决策边界，利用增强的辅助训练集，提升射

频指纹识别网络的识别准确率和实时性。

3)结合具体的科研项目实践，本文通过上述算法探索，设计并实施了一套射

频指纹识别系统。该系统集成了用户管理、信号文件处理、识别及结果分析展示等

功能，为射频指纹识别技术在实际科研项目中的应用奠定了基础。

本研究通过一系列精心设计的实验，系统地证实了所提出数据增强策略的有

效性，并在此基础上深入验证了射频指纹识别技术的可靠性能。进而，构建了一套

射频指纹识别系统作为实际应用示范，有力展示了该技术的广泛应用潜力及重要

价值。

关键词：射频指纹，数据增强，小样本

ABSTRACT

WiththerapidadvancementofInternetofThings(IoT)technologiesandthe

widespreadadoptionof5Gcommunication,thesecurityofwirelessdeviceshas

increasinglybecomeapublicconcern.Inthiscontext,RadioFrequency(RF)

fingerprinting,leveragingthephysicallayercharacteristicsofwirelesssignals,has

revealeditsuniquevalueandvastpotentialinIoTsecurity.

Wirelessdevices,withtheirinherentlylongsignaltransmissioncyclesorlimited

storagecapacity,canonlyacquireasmallamountofdata.Undersuchsmall-sample

scenarios,thecurrentmainstreamresearchmethodsoftenfailtoachievesatisfactory

identificationaccuracy.Therefore,thisthesisdelvesintoRFfingerprintinginsmall-

samplescenarios,identifyingthemainchallengesastheexistingalgorithmslackof

robustnessandlowaccuracy,compoundedbythemodelssusceptibilitytooverfittingin

suchcontexts.

Toaddress