王兆霖 漆亞江 王月 沈玉 王睿

摘要：現(xiàn)代通信手段中衛(wèi)星通信憑借其覆蓋范圍廣、通信質(zhì)量高、網(wǎng)絡(luò)建設(shè)速度快等優(yōu)點在戰(zhàn)場環(huán)境中有著舉足輕重的戰(zhàn)略地位，但是由于其通信信道裸露的特點，也易于被攻擊、干擾或入侵，尤其是非法站點偽裝成合法通信方進(jìn)行非法接入，對軍事通信安全和信息保密有著致命威脅，從物理層識別接入設(shè)備特征是解決此安全問題的一個有效途徑。自編碼器作為一種無監(jiān)督神經(jīng)網(wǎng)絡(luò)，能有效地進(jìn)行特征提取，并通過閾值設(shè)置，區(qū)分正常和異常信號。針對DVB-S2協(xié)議物理幀起始標(biāo)志字（Start of Frame，SOF）內(nèi)容固定、調(diào)制方式固定等特點，提出了利用自編碼器對重復(fù)的SOF段功率譜進(jìn)行無監(jiān)督學(xué)習(xí)，設(shè)計了基于SOF功率譜的卷積自編碼網(wǎng)絡(luò)，并對比了不同采樣點數(shù)和信噪比下檢測的正確率。

關(guān)鍵詞：衛(wèi)星通信；卷積自編碼；特征提??；異常檢測

中圖分類號：TN927文獻(xiàn)標(biāo)志碼：A文章編號：1008-1739（2023）01-64-6

0引言

隨著通信系統(tǒng)的不斷發(fā)展，衛(wèi)星通信頻帶寬、傳輸容量大、架設(shè)環(huán)境要求寬松等特點成為戰(zhàn)時必要的通信手段之一，但是與眾多無線通信一樣，用戶假冒身份、設(shè)備克隆等問題亟待解決。傳統(tǒng)的安全認(rèn)證機(jī)制大都采取后端密碼學(xué)設(shè)備，這種機(jī)制并不完美，存在秘鑰泄露和協(xié)議漏洞的風(fēng)險。

為解決此問題，基于物理層的入侵檢測變得尤為重要。由于設(shè)備電子元件的差異，各種細(xì)微的畸變使得發(fā)出的電磁波包含獨特的特征，這種特征稱為射頻指紋（Radio Frequency Fingerprinting，RFF）[1]。本文基于這一特性，設(shè)計了對接收信號進(jìn)行處理、提取出RFF特征并進(jìn)行異常檢測的方法，實現(xiàn)對非法衛(wèi)星信號的有效識別，對衛(wèi)星通信系統(tǒng)防入侵具有重要意義。

現(xiàn)今，大多文獻(xiàn)的重點研究內(nèi)容為個體識別，即一種有監(jiān)督的分類學(xué)習(xí)。通常，分類樣本是有限的，但通信異常檢測[2-4]的任務(wù)樣本通常不能窮舉，是一種無監(jiān)督的分類，本文將功率譜作為待識別樣本，利用卷積自編碼器（參考）對樣本進(jìn)行識別。

本文首先分析了畸變信號，然后對信號進(jìn)行功率譜估計，最后利用卷積自編碼網(wǎng)絡(luò)對畸變信號進(jìn)行異常檢測。

1射頻特征的選擇

衛(wèi)星通信的射頻指紋僅由設(shè)備的自身硬件差異所決定，即使是同一設(shè)備制造商生產(chǎn)的同一型號的設(shè)備，也會存在一些因元器件容差而產(chǎn)生的不同畸變。通過對接收信號的分析，可以提取出衛(wèi)星通信設(shè)備獨一無二的RFF特征。因此利用該特性，就可以為有效識別合法和非法設(shè)備，防止非法用戶進(jìn)行設(shè)備仿冒，實施下一步破壞活動提供數(shù)據(jù)支持。

在基帶信號通過各種設(shè)備直至發(fā)射的整個過程中，每個中間設(shè)備的元器件容差都會對信號造成相應(yīng)的變化。圖1展示了一種數(shù)字基帶信號的發(fā)射過程，發(fā)射信號通過I/Q調(diào)制器、濾波器、功放、振蕩器等電路完成畸變，RFF就來源于這些畸變[5]。

現(xiàn)階段，國內(nèi)使用的多數(shù)衛(wèi)星通信調(diào)制解調(diào)器是基于DVB-S2標(biāo)準(zhǔn)設(shè)計的。依據(jù)DVB-S2標(biāo)準(zhǔn)[6]，系統(tǒng)在信號傳輸時會形成3幀，首先是基帶幀，然后是糾錯幀，最后是物理幀。本文主要研究對象是物理幀的幀頭部分（前同步碼）的SOF段，圖2是DVB-S2物理幀格式。其中XFECFRAM為映射后的基帶信號，物理成幀時，將XFECFRAM每90個符號分一組，組成一個SLOT，然后每16個SLOT中間插入一個未經(jīng)調(diào)制的導(dǎo)頻部分，最后加入幀頭PLHEADER，即為物理幀前導(dǎo)碼部分。該部分又由兩部分組成：

①SOF（26符號），定義幀的開始；

②PLSCODE（64符號），定義XFECFRAME部分的調(diào)制方式，長度等信息。

前導(dǎo)碼部分固定使用π/2 BPSK進(jìn)行調(diào)制，其中SOF部分為固定不變序列，18D2E82HEX（01-1000-…-0010），其不受發(fā)射端調(diào)制方式、編碼方式等參數(shù)的改變而改變，利用信號的前同步碼SOF部分作為網(wǎng)絡(luò)輸入能夠有效避免信號負(fù)載對RFF識別結(jié)果帶來的不利影響，因此SOF段數(shù)據(jù)可以選做RFF特征進(jìn)行異常檢測的使用。

2基于SOF功率譜的卷積自編碼方法設(shè)計

2.1自編碼網(wǎng)絡(luò)

自編碼器[7]是無監(jiān)督神經(jīng)網(wǎng)絡(luò)的一種，利用高維特征向量對自己進(jìn)行編碼，輸出入與輸出均為無標(biāo)簽的樣本。本質(zhì)上，自編碼器是接收輸入樣本，將其轉(zhuǎn)換成高維特征向量（隱含層）。然后再利用隱含層的信息重構(gòu)出輸入樣本，最終目的是希望輸入、輸出保持一致。自編碼器包含兩部分：編碼器和解碼器。解碼器的輸出嘗試復(fù)制編碼器的輸入。

2.2基于卷積自編碼器的異常檢測方法

卷積自編碼器將輸入樣本“映射”到低維空間，通過對其進(jìn)行重建來學(xué)習(xí)樣本的數(shù)據(jù)規(guī)律和內(nèi)在通用特性，而異常樣本由于與正常樣本存在的內(nèi)在特性差異較大，因此重建誤差較大?？梢曰谏鲜隼碚撛O(shè)計基于卷積自編碼器的異常檢測方法，基本流程如圖3所示。

訓(xùn)練時，首先對輸入信號樣本進(jìn)行歸一化，然后通過編碼器進(jìn)行特征提取得到信號的低維特征表示，接著解碼器將低維特征表示進(jìn)行重建，得到重建樣本，通過降低重建樣本和原有樣本之間的誤差來對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

測試時，將待測樣本集輸入至如圖3所示的結(jié)構(gòu)中得到待測樣本的重建誤差，根據(jù)重建誤差的大小來判斷該樣本是否異常樣本，如果重建誤差明顯大于訓(xùn)練集的重建誤差，那么該樣本有很大概率為異常樣本。

由此可以將功率譜數(shù)據(jù)當(dāng)做單通道進(jìn)行輸入，形成基于SOF功率譜數(shù)據(jù)的自編碼異常檢測方法，其流程如圖4所示。

在功率譜估計過程中有很多種評價功率譜估計好壞的標(biāo)準(zhǔn)[8]，但是由于大部分入侵行為都是在正常通信的環(huán)境中進(jìn)行的，即雙方正在通信，非法方通過功率壓制強(qiáng)行接入，此時非法方的信噪比不會很高，要進(jìn)行異常檢測，需要尋求一種對噪聲不敏感且分辨率較高的功率譜估計方法。頻譜分辨率是功率譜上相鄰兩頻點的最小區(qū)分量級，類似于頻譜儀上的帶寬分辨率（Resolution Bandwidth，RBW），分辨率越高，顯示的頻率成分越精細(xì)，能觀察到的頻率成分越清晰。頻譜的方差大小反映的是頻譜波動性的大小，方差過大時，頻譜的細(xì)節(jié)就不容易表現(xiàn)出來。導(dǎo)致不易被觀察或捕獲到。在異常檢測時，往往是一些細(xì)微差別決定了檢測結(jié)果，因此選擇一個正確的功率譜估計方法非常重要。

此方法應(yīng)用窗函數(shù)對周期圖進(jìn)行了平滑處理，同時為了避免分段帶來的頻譜分辨率降低，Welch法將每段數(shù)據(jù)與前一段數(shù)據(jù)進(jìn)行一定長度的疊加，進(jìn)一步改善了估計性能。

Welch算法分段法如圖5所示。

3實驗結(jié)果與分析

3.1實驗設(shè)置

參數(shù)設(shè)置：批處理（batch size）大小為100，迭代周期（epochs）為150，學(xué)習(xí)率初始設(shè)置為0.01，設(shè)置學(xué)習(xí)率在第30，60次迭代時分別下降10倍的動態(tài)學(xué)習(xí)率調(diào)整策略（MultiStepLR）。實驗采用的網(wǎng)絡(luò)結(jié)構(gòu)主要由編碼塊和解碼塊組成，每個編碼塊和解碼塊中又由多個卷積層、批歸一化層等基本網(wǎng)絡(luò)層組成，網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

異常檢測是一種無監(jiān)督學(xué)習(xí)，在評價時可以當(dāng)做一種特殊的二分類問題。通常，將正常數(shù)據(jù)定義為正類，異常數(shù)據(jù)定義為負(fù)類。TP表示真實為正，預(yù)測為正，TN表示真實為負(fù)，預(yù)測為負(fù)，F(xiàn)P表示真實為正，預(yù)測為負(fù)，F(xiàn)N表示真實為負(fù)，預(yù)測為正。用于評價指標(biāo)的混淆矩陣如表5所示。

本文主要使用真正例率（TPR），也叫漏警率；假正例率（FPR），也叫虛警率繪制ROC曲線，以及計算AUC來評判分類器的好壞。

ROC曲線[9]能對分類器進(jìn)行準(zhǔn)確地評估，且不需要特定的決策閾值，因為ROC曲線遍歷了所有閾值，ROC曲線橫軸為FPR，縱軸為TPR。AUC為ROC曲線下面積，能夠作為一種ROC的量化標(biāo)準(zhǔn)，該指標(biāo)廣泛地作為ROC的比較準(zhǔn)則，AUC可以取0～1，但是通常為0.5～1。

3.2實驗結(jié)果

首先研究FFT點數(shù)對異常檢測的影響，固定信噪比為5 dB，分別對512，1 024，2 048，5 120個FFT點進(jìn)行檢測。圖7為不同采樣點數(shù)生成的ROC曲線，信噪比同樣設(shè)置為5dB。

從ROC曲線來看，點數(shù)越高，AUC值越高?？梢奆FT點數(shù)越高，頻譜分辨率越高，學(xué)習(xí)到的特征越多，越容易分辨。表6為各點數(shù)的虛警數(shù)、漏警數(shù)以及總正確率，閾值設(shè)置為1.2倍均方誤差的均值。

由表6可以看出，閾值為1.2倍均方誤差的均值時，5120點正確率達(dá)到了98.46%，結(jié)合上述ROC曲線同樣可以看出，采樣點數(shù)越高性能越好。

研究信噪比對檢測結(jié)果的影響，選取FFT點數(shù)為2048，信噪比分別設(shè)置為1，3，5dB。圖8為不同信噪比生成的ROC曲線。

信噪比對檢測性能的影響比較直觀，呈正比關(guān)系。信噪比越高，AUC曲線越接近于直角。表7為各信噪比的虛警數(shù)、漏警數(shù)以及總正確率。

可以看出，信噪比為5 dB時，PSD-AE方法的虛警和漏警低，正確率高。雖然從ROC曲線上觀察到3，5 dB的AUC曲線相差不大，但正確率卻有很大差異，主要是因為低信噪比時正常數(shù)據(jù)與異常數(shù)據(jù)的均方誤差間差距不夠大，閾值較難調(diào)整，造成正確率差異較大。

為了更直觀地觀察PSD-AE的網(wǎng)絡(luò)運行效果，給出t-distributed Stochastic Neighbor Embedding（TSEN）圖。TSEN是一種常用的非線性降維算法，一般用于高維數(shù)據(jù)降低至二維或者三維，并進(jìn)行可視化。

圖9為3 dB時PSD-AE分別采用FFT為512，1 024點的TSEN圖?？梢灾庇^看出，點數(shù)越高，區(qū)分效果越好。

4結(jié)束語

本文提出了基于卷積自編碼的衛(wèi)星通信入侵檢測方法，該方法對衛(wèi)星通信物理幀頭SOF段的功率譜進(jìn)行檢測，相較于傳統(tǒng)聚類方法在低信噪比時的識別率有了較大的提高。自編碼檢測法僅對主要特征進(jìn)行提取，對噪聲不是很敏感，因此抗噪聲能力強(qiáng)，準(zhǔn)確率很高，能夠適用于復(fù)雜電磁環(huán)境。但在整個仿真過程中，也存在一些問題，比如各個畸變參數(shù)是否切合實際、符合規(guī)定，神經(jīng)超參數(shù)的設(shè)置能否優(yōu)化，使得網(wǎng)絡(luò)運行速度更快、響應(yīng)更及時。

參考文獻(xiàn)

[1] HALL J，BARBEAU M， KRANAKSI E.Detection of Transient in Radio FrequencyFingerprinting Using Signal Phase[J/OL].[2022-09-20].https：//static.aminer. org/pdf/PDF/000/274/667/robust_detection_of_signals_ with_unknown_frequency_and_phase.pdf.

[2] LIU Y，LI R，BAO J，et al.A Statistical Study of the Ionospheric Anomalies Affecting SBAS Safety Detected over China Area in 2015[C]//第十一屆中國衛(wèi)星導(dǎo)航年會論文集-S07衛(wèi)星導(dǎo)航增強(qiáng)技術(shù).成都：中國衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心，2020：18.

[3]金文進(jìn)，楊武.異常檢測技術(shù)研究綜述[J].軟件導(dǎo)刊，2008（1）： 10-13.

[4]徐菁.頻譜異常檢測技術(shù)綜述[J].信息與電腦（理論版）， 2020，32（23）：214-216.

[5]潘一葦.通信輻射源個體識別關(guān)鍵技術(shù)研究[D].鄭州：戰(zhàn)略支援部隊信息工程大學(xué)，2019.

[6]藍(lán)常源.基于DVB-S2的寬帶衛(wèi)星通信技術(shù)應(yīng)用研究[D].西安：西安電子科技大學(xué)，2015.

[7]袁非牛，章琳，史勁亭，等.自編碼神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用綜述[J].計算機(jī)學(xué)報，2019，42（1）：203-230.

[8]何霜寧.多窗口譜估計方法的研究[D].杭州：浙江工商大學(xué)， 2020.

[9]王彥光，朱鴻斌，徐維超. ROC曲線及其分析方法綜述[J].廣東工業(yè)大學(xué)學(xué)報， 2021， 38（1）： 46-53.