射频指纹识别：无线安全领域中人工智能泛化挑战与解决方案的综述

《IEEE Open Journal of the Communications Society》：Radio Frequency Fingerprinting: A Survey of AI Generalization Challenges and Solutions for Wireless Security

　　

摘要：

射频（RF）指纹识别作为一种有前景的物理层安全技术，已在无线网络中的设备认证中得到应用。该技术通过利用硬件引起的信号特性和缺陷来实现与协议无关的识别。本文探讨了其在异构无线网络中的挑战和潜力，这些网络包括无人机通信和物联网（IoT）部署，这些部署的特点是动态的工作条件、异构的设备配置以及更高的安全需求。尽管基于深度学习的方法将识别准确率从70-90%显著提高到了95-99%，但当部署环境与训练环境不同时，仍存在严重的性能下降问题，这成为实际应用中的根本障碍。当系统遇到未见过的数据集和与训练时不同的真实世界工作条件时，性能通常会下降30-70%。本文系统地回顾了RF指纹识别的发展历程，从传统的手动特征工程到尖端的学习架构，并特别关注了泛化挑战。研究发现的关键研究空白包括多因素泛化建模、在多样化条件下的真实世界验证、适用于广泛设备部署的可扩展架构设计、适用于动态环境的自适应学习机制，以及资源受限平台上的计算效率。这一分析为开发下一代RF指纹识别技术提供了基础性见解，使这些技术能够在高度变化和复杂的无线环境中保持稳健和一致的性能。通过明确当前的局限性和未来发展方向，这项工作有助于实现异构无线网络中基于RF的安全认证。