WiFi802.11b设备指纹提取与识别技术研究

论文总字数：43035字

摘 要

无线通信设备的普及以及物联网技术的迅速发展，使得更多的设备接入互联网，这也推动了无线网络安全技术的发展。传统的无线网络安全问题主要集中在物理层之上，但是这些机遇比特级算法的安全机制已经展现出不可避免的缺陷。因此，物理层安全技术逐渐进入人们的视野。由于硬件设备造成的误差所引起的设备在物理层上所表现的特征，也就是“射频指纹”，其拥有良好的稳定性，难以进行人为的修改与模仿，因此能够配合已有的安全技术组成新一代网络安全技术，具有重要的现实意义。本文针对Wi-Fi设备，在分析了802.11b beacon帧结构的基础上，分别采用归一化功率谱密度和载波频率偏移作为射频指纹，提出了针对两种不同指纹的分类方法，并结合实验进行了验证。针对归一化功率密度谱，采取瞬态检测后提取该特征，计算相关系数的大行分类。针对载波频率偏移，先推导了其产生的过程，提出了一种计算平均载波频率偏移和有关序列中心点的特征提取方法，利用多分类支持向量机对其进行分类。实验结果表明，在实验室条件下，针对3组共9个设备两种方法都有不错的识别效果，第一种方法识别效果在100%，第二种方法识别率为98.33%。但随着信噪比增大，两种方法的性能都会下降，分析了识别率下降的原因，并对未来的研究做出展望。

关键词： 射频指纹 功率谱密度 载波频率偏差

Abstract

With the popularity of wireless communication devices and the rapidly development of IOT, more devices need to access the Internet, which also promotes the development of wireless network security technologies. Conventional wireless network security issues are mainly concentrated above the physical layer, but the security mechanisms of these opportunities for bit-level algorithms have shown inevitable flaws. Therefore, physical layer security technology has gradually entered people's field of vision. The characteristics of the device on the physical layer caused by the imperfections of the hardware device, that is, the "radio frequency fingerprint", which has good stability and is difficult to be artificially modified and imitated, so it can cooperate with the existing security technology to form a new generation of network security technology, has important practical significance. In this paper, based on the analysis of the 802.11b beacon frame structure, the normalized power spectral density and carrier frequency offset are used as RF fingerprints, and a classification method for two different fingerprints is proposed, which are verified by experiments. For the normalized power density spectrum, the transient detection is used to extract the feature, and the large-scale classification of the correlation coefficient is calculated. Aiming at the carrier frequency offset, the process of its generation is deduced. A method for calculating the average carrier frequency offset and the feature extraction center point is proposed. The multi-class support vector machine is used to classify it. The experimental results show that under the laboratory conditions, there are good recognition effects for the three groups of 9 devices. The first method has a classification rate of 100%, and the second method has a classification rate of 98.33%. However, as the signal-to-noise ratio increases, the performance of both methods will decrease, and the reasons for the decline in recognition rate will be analyzed, and future research will be prospected.

KEY WORDS: radio frequency fingerprint, power spectral density, carrier frequency offset

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1项目背景及研究意义 1

1.2国内外研究现状 2

1.2.1基于瞬态信号的指纹提取技术 2

1.2.2基于稳态信号的指纹提取技术 3

1.3本文研究内容及组织结构 4

第二章 802.11b beacon帧捕获 5

2.1 802.11b beacon帧的物理层结构 5

2.2 beacon帧 7

2.2beacon帧的作用 7

2.2beacon帧的调制方式 8

第三章 针对功率谱密度的射频指纹提取及分类方法 10

3.1针对功率谱密度的射频指纹提取 10

3.1.1瞬态检测: 10

3.1.2提取功率谱作为RF指纹： 12

3.2针对功率谱密度的未知信号分类 13

第四章 针对载波频率偏差的射频指纹提取方法 15

4.1载波频率偏差 15

4.2提取CFO相关指纹 17

4.3支持向量机原理 20

4.3.1经典二分类SVM 20

4.3.2多分类SVM 24

第五章 实验结果及分析 25

5.1实验系统 25

5.2实验结果 25

5.2.1 针对归一化功率谱密度的射频指纹分类结果 25

5.2.1.1 实验室环境下归一化PSD指纹分类结果 25

5.2.1.2 噪声对归一化PSD指纹分类结果的影响 26

5.2.1.3设备型号及瞬态检测起始位置对设备指纹识别率的影响 29

5.2.1.4 针对归一化功率谱密度射频指纹的总结 31

5.2.2针对载波频率偏移的射频指纹分类结果 32

5.2.2.1 实验室环境下CFO指纹分类结果 32

5.2.2.2 噪声对CFO指纹分类结果的影响 34

5.2.2.3 设备自身原因对分类的影响 35

5.2.1.4 针对载波频率偏差射频指纹的总结 36

5.3实验小结 37

第六章 总结与展望 38

参考文献 40

致 谢 42

1. 绪论

1.1项目背景及研究意义

无线射频（RF）设备（如移动通信设备）的持续普及几乎为每个人提供了全球通信连接服务。这些无线设备以电磁发射的形式向接收者广播信息，而所使用的的无线通信通信技术无论是在军用还是民用方面，都有着无可取代的作用。由于无线通信的传播方式为广播，接收者通常只能被动听取通信活动并保持被动接收状态，因此难以检测即将发生的活动，这就造成了无线网络容易受到大规模的恶意攻击。攻击者可能通过 “欺诈”或“中间人”类型攻击而损害无线设备 ^[1]，因此其安全问题不容小觑。目前的许多研究都集中在传统的比特级算法方法上以验证无线设备的身份，以此提高网络安全性和减少欺骗攻击。但是，安全算法在访问密钥时容易受到攻击，因此很难区分合法密钥的设备和克隆密钥的设备^[2]。例如，可以在软件^[3]中更改网络接口卡的介质访问控制（MAC）地址。通过更换可擦除可编程只读存储器（EPROM）可以改变蜂窝电话的电子序列号（ESN）和移动识别号码（MIN），从而允许修改其身份^[4]。因此对于基于密码学的安全协议的身份认证系统，秘钥一旦泄露，该机制将无法保证身份认证。由于物理层拥有难以模仿的射频指纹，因此使用物理层安全性有效地解决身份认证问题的方法成为了这一问题的一种解决方法。

剩余内容已隐藏，请支付后下载全文，论文总字数：43035字