文献

J-GLOBAL ID：202202277345471266   整理番号：22A0913841

LoRaのためのスケーラブルでチャネルロバストな無線周波数指紋同定に向けて【JST・京大機械翻訳】

Towards Scalable and Channel-Robust Radio Frequency Fingerprint Identification for LoRa

著者 (4件)： Shen Guanxiong (Department of Electrical Engineering and Electronics, University of Liverpool, Liverpool, U.K) ,  Zhang Junqing (Department of Electrical Engineering and Electronics, University of Liverpool, Liverpool, U.K) ,  Marshall Alan (Department of Electrical Engineering and Electronics, University of Liverpool, Liverpool, U.K) ,  Cavallaro Joseph R. (Department of Electrical and Computer Engineering, Rice University, Houston, TX, USA)
資料名： IEEE Transactions on Information Forensics and Security  (IEEE Transactions on Information Forensics and Security)
巻： 17  ページ： 774-787  発行年： 2022年 
JST資料番号： W1570A  ISSN： 1556-6013  CODEN： ITIFA6  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 高周波指紋識別(RFFI)は送信機ハードウェア障害に基づく有望なデバイス認証技術である。受信信号を解析し,認証に用いることにより,受信機でデバイス固有のハードウェア特徴を抽出できる。本論文では,深層学習駆動無線周波数指紋(RFF)抽出器とチャネル独立特徴により達成されたスケーラブルでチャネルロバストRFFIフレームワークを提案した。特に,優れた一般化能力を持つRFF抽出器を訓練するために,深い計量学習を活用し,これまでにないデバイスからRFFを抽出することができる。任意のデバイスは事前訓練RFF抽出器を介して登録でき,RFFデータベースはデバイスを接合し,残すために効率的に維持できる。無線チャネルはRFF抽出に影響し,チャネル独立特徴とデータ増強を利用して取り組む。60の市販オフ-市販LoRa装置とUSRP N210ソフトウェア定義無線プラットフォームを含む広範な実験評価を行った。結果は,著者らのフレームワークが,効果的チャネル軽減と同様に,ロングデバイス検出とデバイス分類のための優れた一般化能力を達成できることを,首尾よく実証した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  データベース ,  受信機 ,  送信機 ,  指紋認識 ,  ハードウェア ,  *周波数 ,  抽出装置 ,  通信チャネル ,  *指紋 ,  ハードウェア障害 ,  *ロバスト性
準シソーラス用語： ソフトウェア無線 ,  *無線周波数 ,  受信信号 ,  無線チャネル ,  深層学習 , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (5件)： LoRa ,  チャネル ,  ロバスト ,  無線周波数 ,  指紋同定