水印和异常检测在LORA射频指纹识别中的应用

于红博

摘要: 无线设备的射频指纹识别（RFFI）通过其模拟电路中的微小变化来区分设备，避免了繁重的加密认证。尽管在频谱图上进行深度学习可以提高准确性，但模型仍然容易受到复制、篡改和规避的影响。我们提出了一种更强大的RFFI系统，结合水印技术用于所有权证明和异常检测以发现可疑输入。在对数-Mel频谱图上使用ResNet-34，我们嵌入了三个水印：一个简单的触发器，一个对噪声和滤波具有鲁棒性的对抗训练的触发器，以及一个隐藏的梯度/权重签名。使用具有Kullback-Leibler（KL）热启动和自由比特标志的卷积变分自动编码器（VAE）来关闭分布外查询。在LoRa数据集上，我们的系统实现了94.6％的准确性，98％的水印成功率和0.94的AUROC，提供可验证的、防篡改的认证。

更新时间: 2025-09-18 17:21:33

领域: cs.CR,cs.AI,eess.SP

下载: http://arxiv.org/abs/2509.15170v1