• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于通信载荷声纹特征的身份认证方法

陈露 赵德鑫 王俊 高虹 陈迎亮

陈露, 赵德鑫, 王俊, 等. 基于通信载荷声纹特征的身份认证方法[J]. 水下无人系统学报, 2024, 32(1): 1-8 doi: 10.11993/j.issn.2096-3920.2023-0027
引用本文: 陈露, 赵德鑫, 王俊, 等. 基于通信载荷声纹特征的身份认证方法[J]. 水下无人系统学报, 2024, 32(1): 1-8 doi: 10.11993/j.issn.2096-3920.2023-0027
CHEN Lu, ZHAO Dexin, WANG Jun, GAO Hong, CHEN Yingliang. Research of authentication method based on communication devices acoustic features[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2023-0027
Citation: CHEN Lu, ZHAO Dexin, WANG Jun, GAO Hong, CHEN Yingliang. Research of authentication method based on communication devices acoustic features[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2023-0027

基于通信载荷声纹特征的身份认证方法

doi: 10.11993/j.issn.2096-3920.2023-0027
详细信息
    作者简介:

    陈露:陈 露(2000-), 女, 在读硕士, 主要研究方向为水下智能探测技术

  • 中图分类号: TP242.6;TB566

Research of authentication method based on communication devices acoustic features

  • 摘要: 水声通信网络安全是水下通信进行信息共享和协同作业的重要保障, 现有技术主要研究认证协议和数据加密, 注重提高网络的安全性, 忽略了网络的效率和能耗问题。为避免上述方法带来的网络拥堵, 受移动智能设备等领域研究启发, 提出将声纹认证融入水下通信网络的身份认证系统, 设计了一种基于通信载荷声纹特征的识别方法。利用注意力机制, 融合非线性倒谱和相位谱特征, 以降低复杂海洋环境噪声的影响, 并通过AlexNet网络进行目标身份识别。为验证该方法的有效性, 通过采集多种水声通信信号, 检验文中声纹特征识别的差异性和有效性, 论证了文中方法的可行性和可靠性。文中研究可为解决水声通信网络的身份认证问题提供新思路, 对增强水声通信网络的安全、实现高质量的信息共享和高效率的协同控制提供一定参考。

     

  • 图  1  水下通信网络身份认证系统结构

    Figure  1.  underwater acoustic communication network authentication system architecture

    图  2  通信系统结构

    Figure  2.  Communication system structure

    图  3  换能器内部结构

    Figure  3.  Internal structure of the transducer

    图  4  基于AUV声纹特征的识别方法流程图

    Figure  4.  Flowchart of the recognition method based on AUV acoustic features

    图  5  特征提取流程图

    Figure  5.  Flowchart of feature extraction

    图  6  神经网络结构图

    Figure  6.  Neural network structure diagram

    图  7  特征融合

    Figure  7.  Feature fusion

    图  8  实验布局图

    Figure  8.  Experimental layout

    图  9  混淆矩阵

    Figure  9.  Confusion matrix

    表  1  换能器失真影响

    Table  1.   Transducer distortion effects

    影响来源表现
    非线性输出非线性元件响应幅度、相位差异
    频响变化换能材料灵敏度频率特性变化
    信道噪声机械振动、耦合清晰度
    时延信号传输过程时域特征
    下载: 导出CSV

    表  2  信号采集表

    Table  2.   signal acquisition

    种类标识信号内容数据量
    M5M025N011~9 种2 667
    021~9 种2 165
    0U2030DECK03A~E 种353
    04A~E 种279
    下载: 导出CSV

    表  3  数据集划分

    Table  3.   Data set division

    数据集通信机种类信号内容
    训练集M5M025N1~6种
    测试集M5M025N7~9种
    训练集0U2030DECKA~C种
    测试集0U2030DECKD\E
    下载: 导出CSV

    表  4  不同特征下识别结果对比

    Table  4.   Comparison of recognition results under different features

    特征识别率/%
    非线性倒谱+相位谱98.15
    非线性倒谱95.19
    线性倒谱+相位谱94.66
    线性倒谱92.68
    下载: 导出CSV

    表  5  不同条件变量下识别结果对比

    Table  5.   Comparison of recognition results under different condition variables

    训练集测试集数据量识别率/%
    变量信号种类
    1~6种信号深度1~61 14795.64
    7~962688.82
    距离5/621186.71
    7~972577.86
    运动5/627183.46
    7-985976.59
    下载: 导出CSV
  • [1] 楚立鹏, 鄢宏华, 范强, 等. 国外水下无人潜航器及其通信技术发展综述[J]. 中国电子科学研究院学报, 2022(2): 17.

    Chu Lipeng, Yan Honghua, Fan Qiang, et al. A review on the development of foreign unmanned underwater vehicles and their communication technology[J]. Journal of the Chinese Academy of Electronic Science, 2022(2): 17.
    [2] 韦韬, 朱遴, 梁世龙. 水下无人系统集群感知与协同技术发展[J]. 指挥控制与仿真, 2022, 44(5): 8.

    Wei Tao, Zhu Zhen, Liang Shilong. Development of cluster sensing and cooperative technology for underwater unmanned systems[J]. Command and Control and Simulation, 2022, 44(5): 8.
    [3] 宋保维, 潘光, 张立川, 等. 自主水下航行器发展趋势及关键技术[J]. 中国舰船研究, 2022, 17(5): 27-44.

    Song Baowei, Pan Guang, Zhang Lichuan, et al. Development trend and key technologies of autonomous underwater vehicles[J]. China Ship Research, 2022, 17(5): 27-44.
    [4] 羊秋玲, 申家琪, 练凯伟, 等. 一种水下无线传感器网络数据传输安全防御框架设计: CN112672347A[P]. 2021-04-16.
    [5] 陈惠芳, 余修俊, 谢磊. 水声通信中固定传感器节点与移动汇聚节点安全通信方法: CN110380848A[P]. 2019-07-09.
    [6] 黄亮平. 水声通信网的认证和入侵检测技术研究[D]. 浙江: 东南大学, 2019.
    [7] Nguyen N T , Zheng G , Zhu H , et al. Device fingerprinting to enhance wireless security using nonparametric Bayesian method[C]// Infocom, IEEE. Shanghai, China: IEEE, 2011.
    [8] 冀晓宇, 徐文渊, 程雨诗. 一种基于CPU模块电磁辐射的设备指纹提取和认证方法: CN108664785A[P]. 2018-04-04.
    [9] Das A, Borisov N, Caesar M C. Do you hear what I hear? Fingerprinting smart devices through embedded acoustic components[C]// Proceedings of the 2014 ACM SIGSAC Conference on Computer and Communications Security. [S. l.]: ACM, 2014: 441-452.
    [10] Bojinov H, Michalevsky Y, Nakibly G, et al. Mobile device identification via sensor fingerprinting[EB/OL]. (2014-04-06)[2023-05-06]. https://doi.org/10.48550/arXiv.1408.1416
    [11] 莫喜平. 我国水声换能器技术研究进展与发展机遇[J]. 中国科学院院刊, 2019, 34(3): 272-282. doi: 10.16418/j.issn.1000-3045.2019.03.004

    Mo Xiping. Research progress and development opportunities of hydroacoustic transducer technology in China[J]. Proceedings of the Chinese Academy of Sciences, 2019, 34(3): 272-282. doi: 10.16418/j.issn.1000-3045.2019.03.004
    [12] Liu M, Wang L, Dang J, et al. Replay attack detection using magnitude and phase information with attention-based adaptive filters[J]. ICASSP 2019, 2019: 6201-6205.
    [13] 董胡. 基于窗函数与MATLAB的数字FIR滤波器设计[J]. 微型电脑应用, 2016, 32(3): 3.

    Dong Hu. Digital FIR filter design based on window function and MATLAB[J]. Microcomputer Applications, 2016, 32(3): 3.
    [14] 徐小平, 余香佳, 刘广钧, 等. 利用改进AlexNe卷积神经网络识别石墨[J]. 计算机系统应用, 2022, 31(2): 376-383.

    Xu Xiaoping, Yu Xiangjia, Liu Guangjun, et al. Graphite recognition using improved AlexNe convolutional neural network[J]. Computer Systems Applications, 2022, 31(2): 376-383.
    [15] Dai Y, Gieseke F, Oehmcke S, et al. Attentional Feature Fusion[J]. IEEE, 2021: 3560-3569.
    [16] Sun C, Xu Y, Wu Z, et al. ReAFFPN: Rotation-equivariant attention feature fusion pyramid networks for aerial object detection[C]// IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium. Kuala Lumpur, Malaysia: IEEE, 2022.
    [17] Wang, Z Shao W, Chen Y, et al. A cross-scale iterative attentional adversarial fusion network for infrared and visible images[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2023: 1-1.
  • 加载中
图(9) / 表(5)
计量
  • 文章访问数:  22
  • HTML全文浏览量:  9
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-03-16
  • 修回日期:  2023-07-11
  • 录用日期:  2023-08-17
  • 网络出版日期:  2023-11-21

目录

    /

    返回文章
    返回
    服务号
    订阅号