[发明专利]一种基于神经网络模型的无线物理层密钥生成方法

说明书

本发明公开了一种基于神经网络模型的无线物理层密钥生成方法。本发明涉及到无线通信安全领域。本发明针对实际场景中无线信道状态信息包含多种噪音，使得利用信道信息生成的初始密钥的密钥失配率较高的问题，设计了多输入多输出的编码解码器模型来提取信道特征生成密钥的方法。本发明描述了在OFDM调制下的IEEE802.11n协议的无线局域网中生成密钥的过程，重点提出了无线信道信息特征提取的网络模型。因实际采集的信道信息的幅度和相位遭受不同的外部噪音和内部误差，本发明设计两个输入层来分别提取幅度和相位的特征，采用乘法算子融合两者特征。本发明能够更好地提取特征，使得经过均值‑标准差量化法量化后的密钥的失配率更低。

技术领域

本发明涉及到无线通信安全领域，尤其涉及到在MIMO-OFDM调制下的IEEE802.11n协议的无线局域网中密钥生成方法，具体是一种利用神经网络方法来提取无线信道特征，进而量化为密钥串的一种密钥生成方法。

背景技术

随着移动互联网、无线局域网的广泛应用，无线通信的数据安全成为值得关注的话题。由于无线传播媒介的广播性和开放性，在没有安全保障的情况下，我们的数据会受到非法节点的截获、窃听、篡改和破坏等攻击。传统上，我们利用密钥加解密消息来保证数据安全，因此，密钥的生成和管理是一个重点。无线网络安全加密方案分为了传统的基于密码学的加密方案，以及利用物理层信道信息的加密方案。基于密码学的加密方案可分为对称加密和非对称加密。对称加密密钥的管理和分发非常困难，不够安全。同时，这类加密方案也可以通过大量计算破解得到密钥。非对称加密的安全性由算法的复杂性决定，加密速度慢。

由于小型设备和嵌入式设备的计算资源有限，自组织节点的分布式和动态性，传统的方案不适用这些场景中。因而，利用物理层信息生成密钥的方法被提出，这类方法的实现依赖于无线信道的互易性，时变性和空间去相关性，利用通信双方的无线信道信息生成的密钥来加密。这类方法无需第三方机构密钥分发，保密性强，能有效地减轻了终端计算量。因此这类方法成为了研究热点。

在物理层密钥生成流程中，通过无线信道信息提取特征的步骤是最重要。然而，在实际场景中，由于存在各种环境噪音干扰等原因，通信双方测得的信道信息是不完全一致的，因此提取节点的共同特征是一个难点。通过对现有的方法进行分析，发现神经网络方法是一个有效的提取信道信息特征的方法。但是现有的方法大多没有分别仔细分析幅度和相位的区别，造成密钥失配率较高的问题。

综上所述，本发明设计了利用神经网络分别提取真实环境下的幅度和相位的特征，进而生成密钥的方法。

发明内容

本发明的目的是解决在实际场景的IEEE802.11n协议下的无线通信中，因为实际数据中包含各种噪音，导致通信双方利用物理层信息提取的特征不够一致，生成的密钥失配率比较高的问题，所以提出了一种基于神经网络模型的无线物理层密钥生成方法。

本发明对现有的提取物理层信息的神经网络进行了两点改进，首先是针对数据特征提取方面，采用了多层网络分别提取幅度和相位数据的特征，以此使得对信道信息的提取更加充分；第二是采用乘法特征融合算子，将两种特征融合起来，以此达到提取特征的效果。之后利用基于均值-标准差的量化方法，将网络提取的特征量化为0-1密钥比特串。本发明的方法相较于现有的方法而言，提取的特征的更准确，生成的密钥比特串的密钥失配率更低。

本发明提出的方法为可适用于无线通信的物理层密钥生成方法，它主要包含了数据预处理，特征提取，特征融合，模型训练和模型安装这几个步骤。

具体内容是：

数据预处理在神经网络中较为重要，本发明根据收集的实际数据，对数据进行预处理。实际收集的无线信道状态信息(CSI)的数据是一个复数矩阵，特别是在OFDM-MIMO调制的情况下，因为有多个子载波，和多个发送接收天线，在局域网通信中，一次通信的CSI数据是一个多维的复数矩阵。首先，利用公式将复数矩阵转换为幅度和相位矩阵，将每一维的数据按照最大最小值标准化标准化方法标准化。