《Internet of Things》：A Bidirectional Cooperative Adaptive Quantization-Based Physical Layer Key Generation Scheme for Vehicular Internet of Things
编辑推荐：
Jianpo Li|Danni Li|Qi Xu|Yuehua Yang中国吉林省吉林市东北电力大学计算机科学学院，邮编132012摘要在基于物联网的智能交通系统中，确保车辆自组织网络中的安全通信至关重要。本文提出了一种用于车辆自组织网络的物理层密钥生成方案，该方案能够在低资源开
Jianpo Li|Danni Li|Qi Xu|Yuehua Yang
中国吉林省吉林市东北电力大学计算机科学学院，邮编132012
摘要
在基于物联网的智能交通系统中，确保车辆自组织网络中的安全通信至关重要。本文提出了一种用于车辆自组织网络的物理层密钥生成方案，该方案能够在低资源开销的情况下实现高度可靠的密钥生成。其创新点主要体现在两个方面：首先是去相关-扰动融合随机源方法，该方法通过引入K-L变换和自适应融合处理信道特征，有效提升了随机性和安全性；其次是带有保护带和双向协作的自适应信道量化算法，该算法利用核密度估计动态优化量化参数，以最小化双向反馈来降低密钥不一致率。仿真结果表明，与仅依赖幅度或相位的基准方法相比，DPF-RS方法在归一化熵和自相关消除率方面表现更优。与LDPC-SD、插值CQG和CIR-PV算法相比，ACQG-BC算法分别将密钥不一致率降低了至少16%、33%和66.7%。同时，与LDPC-SD和插值CQG算法相比，它的计算复杂度至少降低了7.6%，内存使用量至少降低了11.4%。此外，所提出的PLKG方案在三种典型场景下均表现出良好的适应性，能够有效抵御四种类型的攻击，并通过了NIST SP 800-22中的所有相关测试。这为构建轻量级且高度安全的车辆通信系统提供了实用解决方案。
引言
近年来，随着物联网在智能交通系统、车辆自组织网络以及互联自动化车辆中的广泛应用，通信安全面临着越来越严峻的挑战。在具有高动态性和大规模特征的典型车辆物联网场景中，传统的加密密钥分发机制存在管理复杂、效率低下以及密钥更新延迟等问题，难以满足实时性要求。物理层密钥生成技术利用无线信道的固有互易性、随机性以及时变性来生成密钥，为解决上述问题提供了一种新颖且高效的方案。该技术与物联网架构十分契合，可为资源受限的边缘设备提供轻量级的安全保障。典型的PLKG流程包括四个步骤：信道探测、量化、密钥协商以及隐私增强。本文重点研究量化步骤，旨在以低资源开销实现高度可靠的密钥生成。现有研究大多集中在PLKG中的量化优化方面，但仍存在诸多局限性：静态阈值方案难以适应动态变化的信道条件；单向自适应机制会破坏信道互易性，从而增加密钥不一致率；高复杂度的方法则难以在资源受限的车辆环境中应用。此外，仅依赖单一信道特征会限制随机性和安全性。例如，Han等人[1]提出了基于K均值聚类的静态量化方案，虽然能在一定程度上降低密钥不一致率，但其固定阈值无法应对动态信道变化。Kawoya等人[2]设计了自适应量化机制，但其单向调整策略会损害信道互易性。Wu等人[3]开发了一种低成本密钥生成算法，通过整合多维信道特征来降低密钥不一致率，但其安全分析仍不够充分。Assaf等人[4]研究了绝对值量化器和差分量化器在密钥生成中的应用，重点是基于接收信号强度的信道探测。绝对值量化器采用模拟-to数字转换方法，通过比较连续的测量值将接收信号转换为数字比特。An等人[5]则采用了多位量化技术来提高密钥生成速率。此外，Zhang等人[6]提出了基于深度学习的信道预测方法，通过利用大规模数据集显著提升了密钥生成性能，但该方法计算复杂度过高，对处理资源要求苛刻，无法满足车辆环境对低延迟和实时性的严格要求，因此难以实际应用。Alhulayil等人[7]最近研究了太赫兹/毫米波集成传输方法，强调了在高度动态场景中采用强大通信策略的重要性。这项工作致力于在下一代无线系统中实现高度可靠的通信，与车辆物联网的高移动性和低延迟特性十分匹配。同时，它也为超可靠低延迟通信以及未来无线通信框架下的密钥生成方案提供了重要参考。
鉴于上述挑战，以及车辆网络中超可靠低延迟通信等关键服务的安全需求，本文提出了一种新的物理层密钥生成方案。该方案从增强随机性、自适应量化以及提升运行效率三个维度协同提升密钥生成能力，为动态车辆环境中的安全密钥建立提供了有力支持。本文的主要贡献如下：
- •
提出了一种去相关-扰动融合随机源构建方法。该方法从信道脉冲响应中同时提取幅度和相位信息，利用Karhunen-Loève变换消除幅度相关性，同时还结合了自适应加权融合机制和高斯扰动机制，有效提升了原始随机源的随机性和安全性。
- •
设计了一种带有保护带和双向协作的自适应信道量化算法。该算法利用核密度估计自动初始化量化阈值，然后通过双向信息交换（GIB标志和d_norm值）以及量化反馈动态优化量化参数。此外，还引入了保护带机制来排除不确定性较高的样本，并结合灰度编码来减少边界决策误差，从而显著降低密钥不一致率。考虑到车辆网络设备资源极为有限，该算法的资源消耗也经过了评估，其低复杂度和低内存占用特性使其非常适合资源受限的V2X场景。在包括高速公路、城市道路和隧道在内的多种典型车辆网络环境中的仿真进一步证明了该方案在不同信道条件下的良好适应性和稳定性。
- •
对整个系统的安全性和效率进行了全面分析。首先，通过模拟四种类型的主动攻击来评估系统的抗攻击能力；其次，利用NIST测试套件检测最终生成的密钥的随机性；最后，以整体系统运行时间为核心指标分析算法的效率。实验结果表明，所提出的PLKG方案在安全性、随机性及效率方面表现优异，具备很强的实用性和可靠性。
章节节选
相关工作
在PLKG方案中，随机源的质量以及量化过程的设计是实现高效、可靠密钥协商的核心挑战。以下将从这两个方面回顾现有研究的进展与局限性。
信道与衰减模型
为准确描述B5G/6G车辆物联网中的毫米波海量MIMO信道，本研究采用了基于三维不规则几何结构的随机模型作为底层信道模型。该模型是专为B5G/6G V2X信道设计的标准建模框架，通过定义车辆节点和散射簇的几何位置及运动状态来动态生成信道脉冲响应，从而有效捕捉非静态特性。
去相关-扰动融合随机源构建方法
为提升原始信道特性的随机性和安全性，本节提出了一种去相关-扰动融合方法来构建随机源。首先，在离散时间点对信道脉冲响应进行峰值检测，提取多条路径的幅度和相位向量，然后按路径延迟对幅度进行排序形成有序向量，接着通过滑动窗口计算平均值并去除平均值，为后续处理准备数据。
带有保护带和双向协作的自适应信道量化算法
获得最终随机源后，还需将其转换为离散比特才能完成密钥生成。本文提出的ACQG-BC算法的核心设计理念不仅在于降低密钥不一致率并减少资源开销，还在于确保其能够无缝集成到现有的V2X通信协议栈中（如IEEE 802.11p和C-V2X）。如3.4节所述，ACQG-BC算法只需在现有的V2X框架中添加少量辅助比特即可实现功能。
仿真实验与分析
为评估所提出的方案，所有实验均在配备NVIDIA GeForce MX230显卡、Intel i5-10210U处理器以及8GB内存的系统中进行，仿真工具为MATLAB R2023a。实验首先从信道脉冲响应中提取幅度和相位特征，然后利用K-L变换对幅度特征进行去相关处理，再将它们与相位信息通过加权高斯扰动融合处理，从而构建出去相关-扰动融合随机源。
结论与未来工作
在物联网推动的智能交通系统中，确保车辆自组织网络中的通信安全至关重要。本文针对车辆物联网提出了一种PLKG方案，旨在实现高可靠性、高效率与资源效率之间的协调优化。该方案的核心创新在于将DPF-RS构建方法与带有保护带的自适应信道量化技术深度融合。
代码与数据可用性说明
该方案的核心实现代码已在GitHub上开源[31]，其中包含了DPF-RS随机源构建模块以及ACQG-BC量化算法模块的主要功能。
数据可用性：本研究使用的所有信道实测数据及仿真数据均由我们的团队使用MATLAB自行生成，这些数据基于3GPP标准的IS-GBSM信道模型以及3.节中描述的路径损耗模型，研究人员可以完全复现这些信道条件。
CRediT作者贡献说明
Jianpo Li：撰写——审阅与编辑、指导、方法设计。Danni Li：撰写——审阅与编辑、撰写——初稿、指导、方法设计。Qi Xu：指导。Yuehua Yang：指导。
利益冲突声明
作者声明，他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
