一种多属性物理层认证方法、装置、终端及存储介质

技术特征：
1.一种多属性物理层认证方法，其特征在于，包括：提取接收信号的多个物理层属性作为特征数据集s(t)＝(a
ij
)
n
×
m
；其中，n为样本数量，m为物理层属性数量，a
ij
表示所述特征数据集中第i个样本的第j个物理层属性；通过k-means聚类算法对所述特征数据集进行自下向上的分层，得到l层数据集；对所述l层数据集自上向下进行加权聚类，将所述特征数据集分为k个集群；基于所述k个集群迭代计算样本的平均轮廓系数，并基于所述平均轮廓系数确定所述特征数据集的聚类中心数量k；基于所述特征数据集的聚类中心数量k和所述k个集群的聚类中心确定所述特征数据集的聚类中心；基于所述特征数据集的聚类中心与参考向量的距离判断各个聚类中心对应的用户类型；其中，所述用户类型包括合法用户和欺骗用户。2.根据权利要求1所述的多属性物理层认证方法，其特征在于，所述通过k-means聚类算法对所述特征数据集进行自下向上的分层，得到l层数据集，包括：将所述特征数据集作为第a层数据集，并令a＝1；其中，a为计数值；通过k-means聚类算法对第a层数据集进行聚类，得到m
a
个集群；更新目标函数；所述目标函数为：其中，m
a
表示对第a层数据集进行聚类得到的集群数量，n
a,k
表示对第a层数据集进行聚类得到的第k个集群中的样本数量，表示对第a层数据集进行聚类得到的第k个集群中的第q个样本，c
a,k
表示对第a层数据集进行聚类得到的第k个集群的质心；将所述m
a
个集群的质心作为第a 1层数据集；将a 1，并跳转至“通过k-means聚类算法对第a层数据集进行聚类，得到m
a
个集群”这一步骤，直至f小于预设阈值
a
，或a＝l时，得到l层数据集；其中，l为预设最大层数。3.根据权利要求1所述的多属性物理层认证方法，其特征在于，在所述通过k-means聚类算法对所述特征数据集进行自下向上的分层，得到l层数据集之前，所述方法还包括：通过标准化处理公式对每个样本进行标准化处理，得到标准化矩阵所述标准化处理公式为：述标准化处理公式为：
其中，a
ij
表示所述特征数据集中第i个数据样本的第j个物理层属性，表示标准化处理后的a
ij
；基于相关系数公式计算各个物理层属性之间的相关系数，得到相关系数矩阵r＝(r
ij
)
m
×
m
；所述相关系数公式为：其中，r
ij
表示第i个物理层属性和第j个物理层属性的相关系数，表示a
ti
和a
tj
的协方差；计算所述相关系数矩阵的特征向量，并基于所述特征向量得到m个主成分：其中，y
m
表示第m个主成分，u
nm
表示第m个特征向量中的第n个元素，z
n
表示所述标准化矩阵中的第n个向量；基于方差贡献率公式计算各个主成分的方差贡献率；所述方差贡献率公式为：其中，b
j
表示第j个主成分的方差贡献率，λ
k
表示第k个主成分的特征值；基于累计方差贡献率公式计算所述m个主成分的累计方差贡献率，并基于所述累计方差贡献率确定主成分的选取数量；所述累计方差贡献率公式为：其中，α
p
表示p个主成分的累计方差贡献率，p表示主成分的选取数量；选取p个方差贡献率最大的主成分，得到去相关后的特征数据集；相应的，所述通过k-means聚类算法对所述特征数据集进行自下向上的分层，得到l层数据集，包括：通过k-means聚类算法对去相关后的特征数据集进行自下向上的分层，得到l层数据集。4.根据权利要求1所述的多属性物理层认证方法，其特征在于，所述对所述l层数据集自上向下进行加权聚类，将所述特征数据集分为k个集群，包括：令b＝l；其中，b为计数值；
在第b层数据集中随机选取k个数据作为质心；将第b层数据集的每个样本分配到距离该样本最近的质心，得到k个集群，并基于当前的k个集群更新质心；将b-1，并跳转至“将第b层数据集的每个样本分配到距离该样本最近的质心，得到k个集群，并基于当前的k个集群更新质心”这一步骤，直至b＝1时，得到最终的k个集群。5.根据权利要求1所述的多属性物理层认证方法，其特征在于，所述基于所述k个集群迭代计算样本的平均轮廓系数，并基于所述平均轮廓系数确定所述特征数据集的聚类中心数量k，包括：令c＝k；其中，c为计数值；计算c个集群中各样本的类内内聚度和类间分离度；基于各个类内内聚度和各个类间分离度计算各样本的轮廓系数；基于各样本的轮廓系数计算c对应的平均轮廓系数；将c-1，并跳转至“计算c个集群中各样本的类内内聚度和类间分离度”这一步骤，直至c＝2时，得到k-1个平均轮廓系数；将最接近1的平均轮廓系数对应的c作为所述特征数据集的聚类中心数量k。6.根据权利要求1所述的多属性物理层认证方法，其特征在于，所述基于所述特征数据集的聚类中心数量k和所述k个集群的聚类中心确定所述特征数据集的聚类中心，包括：在各个集群的质心中选择两个欧式距离最近的质心，计算该两个质心的均值中心点作为新的质心，并去掉该两个质心，重复此步骤，直至质心数量等于所述特征数据集的聚类中心数量k，得到所述特征数据集的聚类中心。7.根据权利要求1至6任一项所述的多属性物理层认证方法，其特征在于，所述基于所述特征数据集的聚类中心与参考向量的距离判断各个聚类中心对应的用户类型，包括：计算各个聚类中心与参考向量的距离；将距离所述参考向量最近的聚类中心判定为合法样本，其他聚类中心判定为欺骗样本。8.一种多属性物理层认证装置，其特征在于，包括：特征提取模块，用于提取接收信号的多个物理层属性作为特征数据集s(t)＝(a
ij
)
n
×
m
；其中，n为样本数量，m为物理层属性数量，a
ij
表示所述特征数据集中第i个数据样本的第j个物理层属性；聚类分层模块，用于通过k-means聚类算法对所述特征数据集进行自下向上的分层，得到l层数据集；加权聚类模块，用于对所述l层数据集自上向下进行加权聚类，将所述特征数据集分为k个集群；数量确定模块，用于基于所述k个集群迭代计算样本的平均轮廓系数，并基于所述平均轮廓系数确定所述特征数据集的聚类中心数量k；中心选取模块，用于基于所述特征数据集的聚类中心数量k和所述k个集群的聚类中心确定所述特征数据集的聚类中心；用户判断模块，用于基于所述特征数据集的聚类中心与参考向量的距离判断各个聚类中心对应的用户类型；其中，所述用户类型包括合法用户和欺骗用户。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。

技术总结
本发明提供一种多属性物理层认证方法、装置、终端及存储介质。该方法包括：提取接收信号的多个物理层属性作为特征数据集；对特征数据集进行自下向上的分层，得到l层数据集；对l层数据集自上向下进行加权聚类，并基于平均轮廓系数确定特征数据集的聚类中心数量K；确定特征数据集的聚类中心；基于特征数据集的聚类中心与参考向量的距离判断各个聚类中心对应的用户类型；其中，用户类型包括合法用户和欺骗用户。本发明对特征数据集进行分层聚类，可以在不使用训练样本的前提下找到高质量的聚类中心，从而降低前期准备工作的复杂度；同时本发明还通过轮廓系数在先验知识不足的情况下对聚类中心的个数进行调整，从而能够提高物理层认证的适应性。层认证的适应性。层认证的适应性。


技术研发人员：李保罡 王宇 石泰
受保护的技术使用者：华北电力大学（保定）
技术研发日：2022.08.29
技术公布日：2022/11/15