Polinom uydurma yöntemi kullanarak RF parmak izi çıkarımı

Öz

Bu çalışmada, kimlik tespiti amacıyla kablosuz vericilerin radyo frekansı (RF) parmak izlerinin polinom uydurma yaklaşımıyla elde edilebildiği gösterilmiştir. Polinom uydurma işlemi, vericilerin geçici rejim işaretlerinin anlık genlik karakteristiklerine uygulanmış ve RF parmak izleri, polinom katsayılarının normalize edilmesiyle oluşturulmuştur. Geçici rejim işaretleri Bayesçi bir sinyal algılama yaklaşımıyla tespit edilmiş ve bu işaretlerden elde edilen RF parmak izleri olasılıksal sinir ağı sınıflandırıcısı ile sınıflandırılmıştır.

Polinom uydurma yaklaşımına dayalı RF parmak izlerinin verici kimlik tespiti başarımı ve algoritmanın hesaplama süresi WiFi vericilerine ait deneysel verilerle değerlendirilmiştir. Geçici rejim işaret karakteristiklerine uydurulan polinom derecesi, sınıflandırma başarımı kriteri esas alınarak belirlenmiştir. Kullanılan veri seti için en iyi sınıflandırma başarımı ikinci dereceden polinom katsayılarıyla elde edilmiştir. Bu katsayılardan oluşturulan parmak izleri kullanılarak gerçekleştirilen sınıflandırma işleminin hesaplama süresinin, anlık genlik değerlerinin doğrudan kullanıldığı duruma kıyasla daha düşük olduğu gösterilmiştir. Çalışmada elde edilen bulgular, polinom uydurma yaklaşımına dayalı RF parmak izleriyle kablosuz vericilerin kimlik tespitinde hızlı ve başarılı sonuçlar elde edilebildiğini göstermiştir.

Anahtar Kelimeler

• Kablosuz aygıt kimlik tespiti,RF parmak izleri,açılma geçici rejim işaretleri,polinomsal eğri uydurma,öznitelik çıkarımı,sınıflandırma

Kaynakça

1. Bihl, T.J., Bauer, K.W., Temple, M.A., (2016). Feature Selection for RF Fingerprinting With Multiple Discriminant Analysis and Using ZigBee Device Emissions, IEEE Transactions on Information Forensics and Security, 11, 8, 1862-1874.
2. Bishop, C.M., Roach, C.M., (1992). Fast curve fitting using neural networks, Review of Scientific Instruments, 63, 10, 4450-4456.
3. Danev, B., Zanetti, D., Capkun, S., (2012). On physical-layer identification of wireless devices, ACM Computing Surveys, 45, 1, 1-29.
4. Duda, R.O., Hart, P.E., Stork, D.G., (2001). Pattern Classification, 680, Wiley- Interscience, NY, USA.
5. IEEE Std 802.11-2012., (2012). IEEE Standard for Information Technology-Telecommunications and information exchange between systems - Local and metropolitan area networks - Specific requirements - Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications.
6. Köse, M., Telatar, Z., (2010). An approach on identification of 802.11b devices by RF signature in wireless local area networks, Proceedings, IEEE 18th Signal Processing and Communication Application Conference (SIU), 800-803, Diyarbakır.
7. Köse, M., Taşcıoğlu, S., Telatar, Z., (2015a). Wireless device identification using descriptive statistics, Communications Faculty of Sciences University of Ankara Series A2-A3, 57, 1, 1-10.
8. Köse, M., Taşcıoğlu, S., Telatar, Z., (2015b). Signal-to-noise ratio estimation of noisy transient signals, Communications Faculty of Sciences University of Ankara Series A2-A3, 57, 1, 11-19.

9. Köse, M., Taşcıoğlu, S., Telatar, Z., (2015c). The effect of transient detection errors on RF fingerprint classification performance, Proceedings, 14th Int. Conf. on Circuits, Syst., Electron., Control & Signal Process. (CSECS’15), 89-93, Konya.
10. Lyons, R.G., (2004). Understanding Digital Signal Processing, 688, Prentice-Hall, NJ, USA.
11. Papoulis, A., Pillai, S.U., (2002). Probability, Random Variables and Stochastic Processes, 852, McGraw-Hill, NY, USA.
12. Rehman, S.U., Sowerby, K., Coghill, C., (2012). RF fingerprint extraction from the energy envelope of an instantaneous transient signal, Proceedings, Australian Communications Theory Workshop (AusCTW), 90-95, Wellington.
13. Reising, D.R., Temple, M.A., Jackson, J.A., (2015). Authorized and rogue device discrimination using dimensionally reduced RF-DNA fingerprints, IEEE Transactions on Information Forensics and Security, 10, 6, 1180-1192.
14. Serinken, N., Üreten, O., (2000). Generalised dimension characterisation of radio transmitter turn-on transients, Electronic Letters, 36, 12, 1064-1066.
15. Taşcıoğlu, S., Köse, M., Telatar, Z., (2017). Effect of sampling rate on transient based RF fingerprinting, Proceedings, 10th International Conference on Electrical and Electronics Engineering (ELECO), 1156-1160, Bursa.
16. Theodoridis, S., Koutroumbas, K., (2009). Pattern Recognition, 984, Academic Press, MA, USA.
17. Toonstra, J., Kinsner, W., (1995). Transient analysis and genetic algorithms for classification, Proceedings, IEEE Conf. Commun., Power, and Comput. (WESCANEX 95), 432-437, Winnipeg.
18. Üreten, O., Serinken, N., (2005). Bayesian detection of Wi-Fi transmitter RF fingerprints, Electronic Letters, 41, 6, 373-374. Üreten, O., Serinken, N., (2007). Wireless security through RF fingerprinting, Canadian Journal of Electrical and Computer Engineering, 32, 1, 27-33.
19. Zhao, C., Huang, M., Huang, L., Du X., Guizani, M., (2017). A robust authentication scheme based on physical-layer phase noise fingerprint for emerging wireless networks, Computer Networks, 128, 164-171.