一种基于星座指纹的光发射机识别方法

本发明涉及一种基于星座指纹识别方法，属于卷积神经网络、物理层安全以及设备识别。

背景技术：

1、在通信系统中，接入身份验证对于网络安全至关重要。在以太网系统中，当设备连接到网络时需要进行接入身份验证。通常基于访问设备声明的mac地址进行身份识别。但是攻击者可以模仿目标的mac地址，而这严重威胁到了网络的安全。虽然基于802.11x协议的数字证书可以防止mac地址模仿造成的攻击，但这种高层保护机制需要终端操作系统的软件协助，这在大规模网络应用中是不方便的。因此，在以太网系统中需要备用的安全机制。

2、近些年来，物理层(physical-layer,phy)的安全性引起了无线系统的高度关注。研究发现可以通过指纹来提高通信系统的物理层可靠性和安全性。由于设备每个组件的制造公差，同一类型设备内不可避免地存在细微差别。如果可以通过处理通过设备传输的信号来提取和检测这种特异性，则可以将其用作设备的硬件标识。目前，这种phy指纹识别技术已在wifi,lte和zigbee系统中得到了应用研究，并且一维卷积神经网络(1d-cnn)等深度学习技术也逐渐正被用于无线通信系统。例如，在信噪比为30db的情况，经过载波频偏同步后将i/q复杂的基带信号直接用作1d-cnn的输入向量，最终对于7个目标设备可以实现91.13％的识别准确率。

3、由于在无线系统中可以利用phy特征来进行识别，因此自然地联想到利用phy特征来识别接入以太网的设备。不过物理层特性在以太网和无线系统之间有些不同。例如，在大多数无线phy识别系统中，载波频偏是一个重要的指纹特征。而这种特性在大多数以太网系统中并不存在。因此需要在光通信系统中寻找合适的指纹特征。

4、由于在光通信系统中，光发射机的设备硬件缺陷会引起调制误差，而调制误差又会影响星座图中点的分布情况。因此，本发明将用星座图作为光发射机的硬件标识，即设备指纹。本方法具有高效、低复杂度的特点，可以有效提升光通信系统的安全性。

技术实现思路

1、本发明提供一种适用于相干光通信系统的发射机识别方法，将设备指纹技术和机器学习算法相结合，旨在为现有光纤通信系统提供更为安全的物理层身份验证方式，且对于现有的应用层密钥管理机制是安全性能上的补充。该方法实现后，能够进一步提高光纤通信系统的安全性能。

2、为实现上述目的，本发明采用如下的技术方案：

3、步骤1，在传输速率为25gbaud且传输距离为100公里的相干光通信系统中，6台不同的光发射机发送调制信号，采用满足奈奎斯特定律所需要的采样率进行采样，光接收机接收到信号；

4、步骤2，对光接收机接收到的信号进行预处理(gsop、色散补偿、非线性补偿、时钟恢复、频偏估计)，将处理后的信号绘制在以i路和q路为坐标轴的欧几里德空间中，得到对应的星座图；

5、步骤3，对星座图的尺寸大小进行归一化处理，尺寸归一化为600×600，制作卷积神经网络的输入数据集；

6、步骤4，用训练集对卷积神经网络模型进行训练，得到训练好的卷积神经网络模型参数。具体可分为以下5个子步骤：

7、步骤4.1、加载图片样本数据；

8、步骤4.2、将加载的图片样本分为训练集和测试集；

9、步骤4.3、构建卷积神经网络，网络结构中主要有3个卷积层、2个下抽样层(池化层)、1个全连接层、1个softmax层、1个分类层。

10、池化层采用的是2×2的输入域，即上一层的4个节点作为下一层1个节点的输入，且输入域不重叠，即每次滑动2个像素。每个下抽样节点的4个输入节点求和后取平均(平均池化)，均值乘以一个参数加上一个偏置参数作为激活函数的输入，激活函数的输出就是下一个节点的值。

11、卷积后输出层矩阵宽度ol为：

12、ol＝(il-fl)/sl+1

13、其中，ol是输出层矩阵的宽度，il是输入层矩阵的宽度，p是步长。

14、步骤4.4、配置训练选项，用训练集对卷积神经网络模型进行训练；

15、步骤4.5、计算卷积神经网络的分类准确率。

16、步骤5，对不同的光发射机进行识别。

技术特征：

1.一种基于星座指纹的光发射机识别方法，其特征主要过程包括：

2.根据权利要求1所述的一种基于星座指纹的光发射机识别方法，其特征在于：步骤1中，采用满足奈奎斯特定律所需要的采样率进行采样。

3.根据权利要求2所述的一种基于星座指纹的光发射机识别方法，其特征在于：步骤2中，是将输出的信号直接绘制在以i路和q路为坐标轴的空间中，得到对应的星座图。

4.根据权利要求3所述的一种基于星座指纹的光发射机识别方法，其特征在于：

技术总结本发明公开一种基于星座指纹的光发射机识别方法，属于卷积神经网络、物理层安全以及设备识别技术领域。所述用星座指纹识别光发射机的方法，将设备指纹技术和机器学习算法相结合。通过将接收到的光发射机信号转换为星座图，将星座图中的幅值特征和相位特征作为光发射机的硬件标识，再利用训练好的卷积神经网络对星座指纹进行识别和分类。相较于现有技术，本发明适用于高速长距离相干光通信系统，具有重大应用价值；将接收到的信号转换为星座图，将信号识别问题转换为图像识别问题，具有更低的时间复杂度和空间复杂度；相较于瞬态信号，稳态信号星座指纹更易被提取及分类识别，具有更高的可操作性。技术研发人员：王宏祥,吕倩,纪越峰受保护的技术使用者：北京邮电大学技术研发日：技术公布日：2024/7/29