基于集成学习的开集射频指纹识别方法及系统
知识产权简介
本发明公开了一种基于集成学习的开集射频指纹识别方法。该方法首先利用闭集分类网络提取无线设备信号的深度射频指纹特征及类别后验概率；随后分别构建基于OpenMax的欧氏距离检测器、基于马氏距离的类条件检测器以及基于支持向量数据描述的超球边界检测器，从类中心偏离、协方差偏离和边界包络三个角度刻画已知合法设备的特征分布；在此基础上，将多个基础检测器输出的拒识得分与分类器置信度共同构造为元特征向量，并利用孤立森林在仅包含已知合法设备样本的元特征空间中学习正常分布区域，最终根据异常分数对未知设备、非法设备或未注册设备进行拒识判决。本发明能够在保持已知设备分类准确率的同时，提高未知设备检测能力，降低非法设备被误认证为合法设备的风险，适用于开放无线网络中的物理层设备身份认证场景。
转化前景
本专利聚焦无线通信物理层安全刚需，契合物联网、5G/6G 普及带来的安全需求，政策加持、市场空间广阔。技术适配智能家居、工业互联网、通信基站、公共 Wi-Fi 等多场景，覆盖消费、工业、通信级市场。首创多检测器元集成架构，技术壁垒高、竞争优势显著，模块化设计易集成落地。可联动芯片厂商、设备制造商、运营商协同产业化，快速实现商业化变现。技术可迭代适配 6G、车联网等新领域，衍生增值服务，形成可持续盈利生态，产业化潜力巨大。