A Lightweight Specific Emitter Identification Model for IIoT Devices Based on Adaptive Broad Learning

IEEE Transactions on Industrial Informatics,

2022 (SCI index, IF=IF=11.648)

辐射源个体（SEI）是一种通过区分发射器发送信号的特征，识别不同个体的技术。通过作用于互联网的物理层，可以有效提高工业物联网（IIoT）的安全性。目前，对SEI的研究集中于深度学习（DL）模型，该类方法以端到端的方式从原始信号中自动学习发射器的固有特征。但该类模型往往具有大量的超参数并依赖方向传播更新网络参数，导致其计算成本非常高昂，这限制了基于DL的SEI模型在某些计算资源受限场景中的应用。为了解决这个问题，本文提出了一种自适应宽度学习（ABL）来构建轻量级SEI模型。在所提出的模型中，原始信号样本被映射到特征节点，发射器表示为输出节点。隐藏节点通过宽度网络直接连接到输出节点。通过这种扁平结构，可以有效地减小模型的尺寸和计算量。为了进一步节省计算成本，本文进一步设计了一种自适应节点扩展策略，用于快速获得模型的最优超参数。最后，通过在真实场景中构建的ADS-B数据集上测试，验证了本文方法的有效性。

END

==河海大学网络与安全实验室==

微信搜索：Hohai_Network

联系QQ：1084561742

责任编辑：何宇