一种基于迁移学习的无线网络切换认证方法

1.本发明涉及无线网络技术领域，具体为一种基于迁移学习的无线网络切换认证方法。


背景技术：

2.移动通信系统有切换需求，面向高速移动场景或小区较小的场景时候，切换需求更迫切。从网络层面对安全接入进行考量时，用户会有认证切换的需求，而目前物理层认证大都关注于点对点式的通信链路认证，没有对认证切换进行具体研究。迁移学习的基本思想是将已训练好的模型的参数迁移到新的模型来帮助新模型训练。考虑到在网络切换中源基站和目标基站的物理层属性存在相关性，通过迁移学习可以将已经学到的模型参数通过某种方式分享给新模型从而加快并训练模型的学习效率。此时，新的模型训练不需要像大多数网络那样从零学习，而是在先验模型的基础上完成最终训练。
3.目前，已经有一些研究将迁移学习用于解决计算能力和内存方面资源有限设备的安全认证问题，物理层认证利用无线信道和设备的固有特性，通过信号处理手段在物理层对信号身份进行鉴别，是一种轻量级的身份认证机制，目前有研究证明通过机器学习等智能化算法能够有效提高物理层认证的准确率。但是，在资源受限的异构网络中当用户需要切换时，目标网络需要重新完成基于机器学习的物理层认证的模型训练，训练任务复杂且耗时，而5g网络中存在大量计算能力有限的微基站，导致网络切换时物理层认证无法满足用户接入的时延需求。基于此，本发明设计了一种基于迁移学习的快速物理层认证切换机制。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于迁移学习的无线网络切换认证方法，具备利用迁移学习的优势将已训练好的模型的参数迁移到新的模型来帮助新模型训练，利用了网络切换中源基站和目标基站的物理层属性存在的相关性，通过迁移学习可以将已经学到的模型参数通过某种方式分享给新模型从而加快并训练模型的学习效率等优点，解决了上述背景技术中所提出的问题。
6.(二)技术方案
7.本发明提供如下技术方案：一种基于迁移学习的无线网络切换认证方法，无线网络切换过程中基于迁移学习的物理层认证过程如下:
8.s1：网络发现：alice与源基站通信，并在移动中搜索目标基站的广播信号；
9.s2：切换判决：当用户检测到目标基站的rss
ta
大于当前基站的rss
sa
时，即|rss
ta
|》|rss
sa
|，alice执行网络切换，并向源基站上报切换的目标基站信息；
10.s3：切换执行：源基站收到切换信息后，将用户路由信息传送到目标基站；
11.s4：转移模型；源基站将之前认证时训练的模型迁移给目标基站；
12.s5：目标基站更新认证模型：目标网络基站将作为初始权重，并结合本地之前认证时存储的数据在此基础上训练新的权重矩阵
13.s6：目标基站认证alice。
14.目标基站得到新的分类器表示为ξ
t
，给定一个训练集外的新的身份签名预测出的身份类别为
[0015][0016]
因此，物理层认证被建模为假设检验
[0017][0018][0019]
优选的，合法发射机alice从左到右移动，并在移动过程中不断与源基站source通信；在移动过程中，alice也会不断收到来自不同基站的广播参考信号，当前源基站的服务质量出现明显下降时，alice评估所有可达基站并确定目标基站target。
[0020]
优选的，所述当检测到目标基站信号强度大于源基站信号强度时，即|rss
ta
|》|rss
sa
|，alice决定执行网络切换。
[0021]
优选的，源基站接收到切换信息后，将用户路由信息传递给目标基站的路由器，同时迁移之前训练好的认证模型。
[0022]
优选的，目标基站与alice建立连接，并以源基站的认证模型作为预模型用于重训练，以获得用于物理层认证的分类器。
[0023]
优选的，利用迁移学习的优势将已训练好的模型的参数迁移到新的模型来帮助新模型训练。
[0024]
优选的，利用网络切换中源基站和目标基站的物理层属性存在的相关性，通过迁移学习可以将已经学到的模型参数通过某种方式分享给新模型从而加快并训练模型的学习效率。
[0025]
与现有技术相比，本发明提供了一种基于迁移学习的无线网络切换认证方法，具备以下有益效果：
[0026]
1、该基于迁移学习的无线网络切换认证方法，机器学习算法虽然提高了物理层认证的可靠性，但同时带来了巨大的计算开销，这对于资源受限的5g接入终端来说是难以接受的，本发明利用迁移学习算法通过迁移学习可以将已经学到的模型参数通过某种方式分享给新模型从而加快并训练模型的学习效率。此时，新的模型训练不需要像大多数网络那样从零学习，而是在先验模型的基础上完成最终训练。
[0027]
2、该基于迁移学习的无线网络切换认证方法，相较于传统密码学的认证方式，利
用物理层认证利用了无线信道和设备的固有特性，通过信号处理等手段在物理层对信号身份进行鉴别，物理层认证具有轻量级的优势。
[0028]
3、该基于迁移学习的无线网络切换认证方法，物理层认证作为一种轻量级安全机制。物理层属性具有时空唯一性，和高度随机性，很难被攻击者伪装。然而，物理层属性的高度随机性也使得它与参考向量会存在较大的偏差，导致认证结果不可靠。相较于传统的物理层认证本发明研究利用了dnn深度神经网络模型去提高物理层认证可靠性。
附图说明
[0029]
图1为本发明结构示意图。
具体实施方式
[0030]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0031]
请参阅图1，一种基于迁移学习的无线网络切换认证方法，考虑合法发射机alice从左到右移动，并在移动过程中不断与源基站source通信。在移动过程中，alice也会不断收到来自不同基站的广播参考信号，当前源基站的服务质量出现明显下降时，alice评估所有可达基站并确定目标基站target。当检测到目标基站信号强度大于源基站信号强度时，即|rss
ta
|》|rss
sa
|，alice决定执行网络切换。源基站接收到切换信息后，将用户路由信息传递给目标基站的路由器，同时迁移之前训练好的认证模型。目标基站与alice建立连接，并以源基站的认证模型作为预模型用于重训练，以获得用于物理层认证的分类器。假设存在攻击者eve在源基站和目标基站之间，试图假冒alice的身份访问源基站和目标基站。假设源基站之前已经收集到足够的alice和eve的信道状态作为训练集，完成基于机器学习的物理层认证训练任务。目标基站是资源受限的设备，计算能力较弱，系统内只存储了少量的alice和eve信道状态用于训练。
[0032]
所提机制如下：
[0033]
无线网络中当用户移动时，源基站的服务质量会降低，用户需要寻找新的基站并请求接入，目标基站需要快速且安全地认证用户。本章考虑使用迁移学习简化认证训练任务，目标基站使用从源基站传来的模型作为预模型，通过少量训练便可达到性能收敛。无线网络切换过程中基于迁移学习的物理层认证过程如下:
[0034]
第1步：网络发现：alice与源基站通信，并在移动中搜索目标基站的广播信号。
[0035]
第2步：切换判决：当用户检测到目标基站的rss
ta
大于当前基站的rss
sa
时，即|rss
ta
|》|rss
sa
|，alice执行网络切换，并向源基站上报切换的目标基站信息。
[0036]
第3步：切换执行：源基站收到切换信息后，将用户路由信息传送到目标基站。
[0037]
第4步：转移模型；源基站将之前认证时训练的模型迁移给目标基站
[0038]
第5步：目标基站更新认证模型：目标网络基站将作为初始权重，并结合本地之前认证时存储的数据在此基础上训练新的权重矩阵
[0039]
第6步：目标基站认证alice。
[0040]
目标基站得到新的分类器表示为ξ
t
，给定一个训练集外的新的身份签名预测出的身份类别为
[0041][0042]
因此，物理层认证被建模为假设检验
[0043][0044][0045]
本专利的关键点在于利用迁移学习的优势将已训练好的模型的参数迁移到新的模型来帮助新模型训练。本发明利用了网络切换中源基站和目标基站的物理层属性存在的相关性，通过迁移学习可以将已经学到的模型参数通过某种方式分享给新模型从而加快并训练模型的学习效率。新的模型训练不需要像大多数网络那样从零学习，而是在先验模型的基础上完成最终训练来用于解决计算能力和内存方面资源有限的终端的安全认证问题。
[0046]
该方法利用物理层认证轻量级的优势，设计了适用于资源受限设备的物理层认证方案；充分挖掘迁移学习应用于网络切换的可能性，设计了网络切换过程中基于迁移学习的物理层认证方案；本发明可以有效降低终端在进行基站切换时重新训练物理层认证模型的复杂度；本发明可以适用于资源受限场景下用户进行网络切换时的轻量级安全认证，成本低，计算开销小，并且在抵抗欺骗攻击时具有较低的虚警率和漏检率。
[0047]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。