[发明专利]一种基于深度学习的频分双工系统密钥生成方法

说明书

本发明公开了一种基于深度学习的频分双工系统密钥生成方法，包括(1)假设通信双方为Alice和Bob。Alice从数据库中获取已有的N组上下行信道系数并对其进行数据预处理，得到上下行信道的初始信道特征(2)利用全连接层神经网络搭建信道密钥生成模型KGNet：(3)利用上下行信道的信道特征数据训练信道密钥生成模型KGNet以获取模型参数；(4)Alice与Bob同时向对方发送导频信号，分别估计上下行信道系数H₁和H₂并对其进行预处理以得到上下行的初始信道特征X₁和X₂；(5)Alice将获取的上行信道特征X₁输入到KGNet，以获取下行信道特征的估计(6)Alice和Bob分别将各自得到信道特征和X₂量化成密钥比特，然后对其进行信息调和以及隐私放大，最终在双方生成一致的密钥。

技术领域

本发明涉及信息安全领域，尤其涉及一种基于深度学习的频分双工系统密钥生成方法。

背景技术

无线通信技术的迅速发展，给人民的生产生活方式带来了极大的便利。与此同时，未来大量的敏感机密数据将在无线信道上传输，因此保障无线空中接口安全显得尤为重要。然而，随着网络连接数的爆炸式增长，传统密钥分发技术运用到无线通信中的局限性越发明显：对称密钥由于移动节点位置不定存在分发困难，非对称密钥则需要移动节点耗费极大的运算成本、支撑较大的设备功率。

近来研究发现，基于无线信道物理特征的无线信道密钥分发技术可以有效弥补传统密钥分发技术在无线通信中的局限性，其主要思路是在物理层利用信道的互易性生成对称密钥对信息进行加密。由于无线信道具备良好的随机性而且随着发射机和接收机的位置不同而改变。窃听者只有非常接近合法接收者(相干范围内)才能获得相近的信道特征，这就保证了这一密钥生成技术的安全性。

遗憾的是，这一物理层密钥生成技术在运用到频分双工(FDD)系统下时遭遇了瓶颈。主要问题在于频分双工系统中上下行链路的频率并不相同，这使得上下行信道不再完全互易。因此，时分双工(TDD)系统中用于密钥生成的互惠信道特征在频分双工(FDD)系统中并不适用。与此同时，当下的4G、5G网络以及未来的6G移动通信系统在组网方式上均是TDD与FDD模式共存的。而且FDD这一通信模式尤其适合以语音为代表的对称业务，另外它的低时延等优势使其占据了蜂窝移动网络等的主导地位，可以说，研究FDD系统信道密钥生成方法的研究具有很大的理论意义和应用价值。现有FDD系统下的密钥生成方法都存在安全性问题或者系统模型的限制，难以满足当前的需求。

发明内容

针对这一技术难题，本文提出了一种基于深度学习的频分双工系统密钥生成方法，该方法在通信双方的一端搭建一个基于全神经网络的密钥生成网络模型来学习上下行链路的信道特征映射函数。基于该网络，通信双方可以获得互惠的信道特征，再经过量化、信息调和、隐私方法，最终双方可以得到相同的密钥。

技术方案：本发明公开了一种基于深度学习的频分双工系统密钥生成方法，包括以下步骤：

(1)假设通信双方为Alice和Bob；Alice从数据库中获取已有的N组上下行信道系数并对其进行数据预处理，得到上、下行信道的初始信道特征

(2)利用全连接层神经网络搭建信道密钥生成模型KGNet：

(2a)信道密钥生成模型KGNet包含一个输入层、四个隐藏层以及一个输出层；

(2b)将上行链路的信道特征X₁作为模型的输入，模型的输出是对下行链路的信道特征X₂的估计

(3)利用上下行信道的信道特征数据训练信道密钥生成模型KGNet以获取模型参数；