摘要

WiFi是物联网的粘合剂，大多数无线设备使用WiFi接入物联网。监控和识别接入WiFi设备对于物联网的安全尤其重要，尤其是敏感区域。在这种背景下，我们提出了一种基于WiFi设备功率谱密度（PSD）和前导信号置换熵（PE）的WiFi设备分类框架。四个无线网卡正在测试以验证我们的方法。采用K-NN分类法。实验结果表明，在信噪比为-5db的情况下，两种方法的识别率均在90%以上。

物联网、特定辐射源识别、功率谱密度、排列熵等指标

一. 导言

在过去的几年里，随着无线设备的发展和普及，我们的生活发生了很大的变化。这些设备也在推动物联网的发展。WiFi作为物联网的粘合剂，在物联网时代发挥着不可替代的作用。大多数设备使用WiFi技术访问物联网[1]。根据ABI研究报告，2015年至2019年WiFi芯片的出货量接近180亿美元[2]。由于WiFi的开放性和普遍性。任何人都可以使用WiFi设备访问物联网。物联网的安全性受到质疑[3]。随着物联网的快速发展，信息安全风险将不断扩大，其影响将远远超出互联网。在未来几年，一种能够监控和识别WiFi设备，并使其远离敏感区域的技术将成为基础。因此，有必要对物联网中的WiFi设备进行识别和监控，阻断威胁设备对物联网的访问。例如，考虑到图1所示的智能家居场景，监视器的作用是监视和识别室内WiFi设备，并禁止非法设备访问物联网。

特定辐射源识别（SEI）是一种常见的无线设备识别方案。它只使用外部特征来测量称为射频指纹的无线信号[4][5]。WiFi设备通常在2.4G UHF或5G SHF ISM RF频段运行。IEEE 802.11协议标准定义了WiFi设备的物理层[6]。通常，WiFi设备会周期性地输入振幅并重复前导码，每个信息流的前端会附加一个前导信号[7]。所以我们可以用SEI技术提取对WiFi前导信号进行RF指纹识别，进而识别网络中的WiFi个体，增强物联网的安全性。

本文采用功率谱密度（PSD）和每变异熵（PE）算法对WiFi设备进行识别。我们还比较了两种算法的差异。我们建议提取WiFi信号的PSD和PE作为RF指纹来识别连接到物联网的WiFi设备。这些特性是由接入设备的硬件差异决定的，不能伪造。它可以有效防止未经授权的设备访问物联网。
本文的主要贡献如下：

基于WiFi信号的前导信号部分，提出利用SEI技术来识别接入物联网的WiFi设备。
采集四块无线网卡产生的WiFi信号，提取前导信号的PSD和PE作为射频指纹。
实验结果表明，在四种信噪比条件下，PSD和PE的识别率均能达到90%以上。
实验结果还表明，PSD具有较好的信噪比容限，当信噪比大于-10dB时，PSD的识别率可达90%以上。

论文的剩余部分组织如下：II概述了无线设备识别技术的现有文献。第三节简要介绍PSD和PE的工作原理。第四节，提出了一种信号采集模型，提取了信号的PSD和PE。第五节给出了识别效果，并比较了两种算法的区别。最后，结束语载于第六节。

二. 相关工作

不同类型的无线设备通常遵循不同的协议标准。图2显示了一个典型的WiFi通信信号，它可以分为三个主要部分：信道噪声部分、瞬态信号部分和稳态信号部分。信道噪声段主要由信道噪声和设备噪声组成，它是接收设备中不包含有效信号的部分。瞬变信号段是指由发射机发出的从额定功率到零的信号。它通常不包含任何数据信息，仅由设备的硬件特性决定。稳态信号部分是发射机和接收机之间正常通信的信号部分。对稳态信号进行分段处理，提取其信号特征，达到识别无线设备的目的。2008年，Kennedy等人首次提出将无线通信信号的前导信号转换为频谱作为射频指纹，并将射频指纹用于UMTS用户设备的识别[8]。在[9]中，Suski等人通过获取无线设备前导信号瞬时幅度和瞬时相位的方差轨迹，得到信号检测的起点，并将前导信号的功率谱密度作为射频指纹，利用频谱相关法对无线设备进行分类。在高信噪比下，识别率达到80%，但在低信噪比下的性能一般。

2011年，Shi等人提取了信号数据段中的误差矢量幅值、载波中心频率偏差、OFDM导频相位偏差、符号总偏差、I/Q偏移和前导码相关作为RF指纹。同时，首次运用信息论方法研究了“射频指纹特征”的有效性[10]。

2015年，Knox等人将解调后的无线通信信号的相位信息提取为射频指纹，并测试了其在不同温度和信道条件下的分类性能。经测试，平均识别率为81.9%。在固定通道中，12小时内的变化总是小于8%[11]。文[12]提出了发射机的非线性建模方法。采用相空间重构方法，选取重构相空间的两类特征作为射频指纹。他们使用主成分分析（PCA）和支持向量机（SVM）来识别四个无线网卡。在实际测量中，当信噪比大于10db时，平均识别率达到94%。

3. 方法综述

简要介绍了功率谱密度（PSD）和置换熵（PE）两种算法。

A.功率谱密度

PSD算法是一种在频域分析随机信号的方法。它的目的是从有噪声干扰的有限观测数据中提取信号或信号参数，即单位频率的信号功率。周期图法、自相关法和改进法是基于相关和傅立叶变换的经典功率谱估计算法。本文采用改进的周期图法韦尔奇平均周期法估计信号的功率谱密度。

Welch方法是周期图方法的改进，它解决了周期图方法得到的功率谱估计不一致的问题，减少了方差。我们假设xi（n）（i=0，1，···，L− 1）是随机过程x（n）的L个无关实现，M是每个xi（n）的长度，可以得到xi（n）的周期图：

信号的功率谱密度可通过平均获得的独立周期图获得：

经典地，随机信号的多个实现通常很难获得。我们可以把一个长度为N的随机信号分成K段，每个段的长度为M。我们为获得的每个子信号获得周期图，并平均所有周期图以获得功率谱密度估计：

B. 排列熵

PE是Christoph-Bandt和Bernd-ponpe提出的一种动态变异检测算法。它能方便准确地定位系统突变时刻，并将信号中的微小变化放大。此外，它还具有计算简单、灵敏度高、抗噪声性能强等优点[13][14]。

假设x（t）{t=1，2，…，t}是长度为t的时间序列，我们指定了一个嵌入维数m。将事件序列映射到m维空间Xt={x（t），x（t+1），…，x（t+m）−1） }（t=1,2，…，t）−m+1）。如果我们对Xt进行递增排序，得到x（t+j1）−1) ≤ x（t+j2）−1) ≤ … ≤ x（t+jm）− 1). 其中，当两个值相等时，按ji的下标排序。然后Xt被映射到Ym={j1，j2，…，jm}。这是一个m！安排。换句话说，每个m维子序列Xt被映射到其中一个m！安排。我们可以使用符号序列Ym={j1，j2，…，jm}来表示连续的m维子空间。我们取概率分布Pj（j=1,2，…，K）或所有映射符号序列，其中K≤ M然后，我们计算Pj的香农熵，得到时间序列Xt的排列熵：

当Pj=1/m！，这意味着每个符号都存在，并且其概率是相等的。此时，时间序列的复杂度最高，得到的置换熵最高，即ln（m！）。一般来说，为了方便起见，我们将PE标准化：

其中0≤ 高度（m）≤. 归一化渗透熵（NPE）的值表示时间序列的随机性，值越大，时间序列的随机性越大。可以看出，PE放大了信号中的微小变化[15]。

4. 识别框架

在本节中，我们将介绍一个信号采集系统。首先采集同一型号、同一批次的四块WLAN卡的信号。分别采用PSD和PE算法进行特征提取。最后，利用三维图形和箱线图验证了这些特征的有效性。

A.信号采集

为了获取WLAN卡的信号，我们搭建了如图3所示的信号采集系统。该系统包括一台电脑、无线网卡、一部手机和一台示波器。采用带WALN卡的计算机作为发射机，手机作为接收机接入辐射无线网络。然后，在发射器和接收器之间执行实时无线通信。同时利用数字示波器以20Gsps的采样率采集实时通信信号。采集的信号通过电缆传输到计算机进行存储。然后利用MATLAB等软件对数据进行预处理。

B. 特征提取

首先，我们将四个WLAN卡标记为W01−W04，每个类别的WLAN卡包含120个样本。在预处理过程中，我们在每个样本中截取一段前导信号。处理后的每个采样信号包含30万个采样点。由于在获取信号时天线被放置在离WLAN卡0.5m的位置，因此接收到的信号具有约30db的SNR。我们认为接收到的信号噪声可以忽略不计。在对信号进行预处理时，加入不同功率的AWGN，得到不同信噪比的信号。然后，分别提取信号的PSD和PE。

a） PSD：为了减少数据集的大小，并保留区分WiFi个人所需的信息。采用PCA算法对数据进行降维。然后建立三维地图，观察特征的有效性。从图4中我们可以看出，在0分贝、5分贝和10分贝时，每个个体都与其他个体有很好的区别。即使是-5dB，个体之间也有很好的区别。
b） PE：为了显示不同个体之间PE特征的差异，我们使用箱线图来可视化特征。箱线图使用五种统计数据：最小观察值、下四分位数、中位数、上四分位数和最大观察值来描述数据。它可以直观地帮助我们了解数据是否具有对称性、离散度分配的一部分。特别是比较几个样品。在计算每个采样信号的PE时，我们选择嵌入维数m=3，然后对得到的PE进行归一化，得到NPEV。

从图5可以看出，在四种不同的信噪比下，可以很好地区分WLAN卡个体。

5. 实验结果

A.分类结果

在特征提取之后，选择K-NN分类器进行分类。在分类过程中，设定k=7，在每个个体中，我们选取84个样本作为训练集，36个样本作为测试集。

a） PSD：

图6显示了不同信噪比下的分类精度。从图中可以看出，PSD算法在四种信噪比条件下都表现良好。0dB、5dB和10dB的识别率均能达到94%以上。即使信噪比为-5db，分类精度也达到91%左右。

b） PE：

图7显示了PE算法的分类结果。从图中可以看出，识别率保持在90%以上，而信噪比从-5 dB变为10 dB。

结果表明，PSD和PE算法能很好地识别WLAN卡，即使在低信噪比下，识别率也能达到90%以上。两种算法之间没有显著差异。因此，我们需要更多的实验来探索这两种算法的性能差异。

B. 算法比较

为了比较两种算法的区别，我们测试了两种算法在不同信噪比下的识别性能。同样，我们设定k=7，进行100次蒙特卡罗实验。然后得到平均识别率。图8显示了两种算法在不同信噪比下的识别率。

从图8可以看出，PSD和PE算法都是不同信噪比下WLAN卡分类的良好候选特征。不同的是PSD算法在低信噪比下性能更好，PE算法收敛速度更快。我们认为PSD和PE达到了最好的分类精度。但是，从实现和复杂性的角度来看，PSD比PE更具吸引力。由于WiFi设备在实际工作中环境噪声波动较大，检测算法需要对信噪比有较大的容忍度。

6. 结论

本文利用SEI识别接入物联网的WiFi设备。从前导信号中提取PSD和PE作为射频指纹。并通过信号采集系统，采集了四个无线网卡的通信信号。采用K-NN分类器进行分类。实验结果表明，当信噪比大于0dB时，两种算法的识别率均能达到90%以上，PSD算法在低信噪比下表现良好，PE算法收敛速度较快。对于未来的工作，我们将确定更多类型的无线设备，而不仅仅限于使用WiFi的无线设备。

7. 致谢

这项工作得到中国国家自然科学基金（61771154）和中央大学基础研究基金（HEUCF20120130）的资助。
本文是由哈尔滨工程大学国际交流计划资助的创新型人才培养。

同时，所有作者声明，关于这篇文章的发表不存在利益冲突。我们非常感谢审稿人进行了非常有益的讨论。

【论文学习】10、物联网安全WiFi设备的监控与识别相关推荐

【论文学习】6、Wi-Fi中基于前导码的包检测：一种深度学习方法
摘要基于ieee802.11标准系列的无线网络系统是最流行的使用先听后说(LBT)方法进行信道接入的无线接口,在非接触频段中工作.大多数基于LBT的系统的显著特征是,发射机使用数据之前的前导码来允许 ...
WIFI设备接入阿里云物联网平台
WIFI设备接入阿里云物联网平台 WIFI设备接入阿里云物联网平台准备工作配置WIFI模块调试 WIFI设备接入阿里云物联网平台本文演示WIFI设备接入阿里云物联网平台,设备采用的时HC-25 ...
WiMi：使用商品Wi-Fi设备识别目标材料
摘要目标材料识别在我们的日常生活中发挥着重要作用.传统的基于摄像头和视频的方法带来了严重的隐私问题.在过去几年中,虽然射频信号已被用于定位.活动跟踪甚至呼吸,但很少有人关注材料识别.本文介绍了WiM ...
基于Tablestore的Wifi设备监管系统架构实现
Wifi设备监管某知名跨国公司,在全球范围内拥有大量园区,园区内会有不同部门的同事在一起办公.每个园区内都要配备大量的Wifi设备从而为园区同事提供方便的上网服务.因此,集团需要一套完善的监管系统维 ...
基于Tablestore的Wifi设备监管系统架构实现 1
Wifi设备监管某知名跨国公司,在全球范围内拥有大量园区,园区内会有不同部门的同事在一起办公.每个园区内都要配备大量的Wifi设备从而为园区同事提供方便的上网服务.因此,集团需要一套完善的监管系统维 ...
【论文学习笔记-10】ActiveStereoNet（Google ECCV2018）主动式双目相机自监督学习立体匹配网络
[论文学习笔记-10]ActiveStereoNet(Google ECCV2018)主动式双目相机自监督学习立体匹配网络) 自监督训练方法 Experiment ORAL 针对双目立体匹配中无监督存 ...
物联网课程学习目标_CCS开放物联网平台知识课堂｜教你轻松学习物联网平台硬件设备接入...
Hello Everbaby CCS-IOT知识课堂上一节课为大家带来了<物联网知识普及>,这一节课我们将正式进入操作环节,学习物联网设备的接入与调试 . 由于世界上的物包罗万象,生产厂商 ...
保护嵌入式802.11 Wi-Fi设备时需要考虑的10件事
保护嵌入式802.11 Wi-Fi设备时需要考虑的10件事 10 things to consider when securing an embedded 802.11 Wi-Fi device 随着 ...
中国移动物联网开放平台OneNET学习笔记（1）——设备接入（MQTT协议）OneNET Studio篇
一.平台简介中国移动物联网开放平台(OneNET) 是中移物联网有限公司基于物联网技术和产业特点打造的开放平台和生态环境,适配各种网络环境和协议类型,支持各类传感器和智能硬件的快速接入和大数据服务, ...
MQTT客户端远程控制WIFI设备（阿里云物联网平台）
MQTT客户端远程控制WIFI设备(阿里云物联网平台) MQTT客户端远程控制WIFI设备(阿里云物联网平台) 准备工作配置Topic 调试 MQTT客户端远程控制WIFI设备(阿里云物联网平台) ...

【论文学习】10、物联网安全WiFi设备的监控与识别

摘要