[论文解读] On the Use of CSI for the Generation of RF Fingerprints and Secret Keys

Muralikrishnan Srinivasan, Sotiris Skaperas+1 more|arXiv (Cornell University)|Oct 28, 2021

Wireless Signal Modulation Classification参考文献 26被引用 8

一句话总结

本文提出了一种无监督机器学习与信号处理框架，利用信道状态信息（CSI）将大规模衰落（用于射频指纹识别）与小规模衰落（用于密钥生成）解耦。通过应用主成分分析（PCA）提取可预测分量，并利用dHSIC验证统计独立性，该方法在共享熵中实现了高相关性，同时确保了空间与子载波的独立性，从而为6G物联网系统提供了安全、轻量化的物理层安全机制。

ABSTRACT

This paper presents a systematic approach to use channel state information for authentication and secret key distillation for physical layer security (PLS). We use popular machine learning (ML) methods and signal processing-based approaches to disentangle the large scale fading and be used as a source of uniqueness, from the small scale fading, to be treated as a source of shared entropy secret key generation (SKG). The ML-based approaches are completely unsupervised and hence avoid exhaustive measurement campaigns. We also propose using the Hilbert Schmidt independence criterion (HSIC); our simulation results demonstrate that the extracted stochastic part of the channel state information (CSI) vectors are statistically independent.

研究动机与目标

• 解决物理层安全（PLS）中射频指纹识别与密钥生成（SKG）之间系统性整合的缺失问题。
• 克服现有SKG方法的局限性，即未能去除可预测的大规模衰落分量，从而可能危及安全性。
• 通过利用CSI同时实现认证与密钥生成，为6G大规模物联网提供轻量化、无监督的物理层安全机制。
• 确保残差CSI分量在不同位置与子载波之间的强统计独立性，防止窃听攻击。
• 证明基于PCA的预处理能有效分离可预测（大规模）与随机（小规模）衰落分量，且无需训练数据。

提出的方法

• 对CSI向量应用无监督主成分分析（PCA），将其分解为主导可预测分量（大规模衰落）与残差随机分量（小规模衰落）。
• 利用前几个主成分（D̂）对大规模衰落效应进行建模与去除，仅保留不可预测的共享熵用于SKG。
• 应用d-希尔伯特-施密特独立性准则（dHSIC）检验不同空间位置与子载波之间残差CSI向量的统计独立性。
• 执行置换检验以计算dHSIC的临界值，从而在显著性水平α下进行假设检验，验证独立性。
• 使用蒙特卡洛重采样估计dHSIC的零分布，并判断是否拒绝依赖的原假设。
• 通过Quadriga信道模型仿真验证该方法，仿真参数包括400个空间位置、32个子载波，以及不同子载波间隔（SCS）与信噪比（SNR）值。

实验结果

研究问题

• RQ1 PCA能否有效从CSI中分离出可预测的大规模衰落分量，作为射频指纹识别中独特性的来源？
• RQ2 在PCA去除后，残差CSI在不同空间位置之间是否表现出足够的统计独立性，以确保安全的密钥生成？
• RQ3 dHSIC检验在多大程度上证实了残差CSI向量在子载波与位置之间的统计独立性？
• RQ4 子载波间隔（SCS）与信噪比（SNR）如何影响预处理后残差CSI分量的相关性与独立性？
• RQ5 无监督、无需训练的方法能否同时实现安全认证与高质量的密钥生成？

主要发现

• 基于PCA的预处理显著降低了CSI残差之间的空间相关性，当D̂ = 8时，平均相关性从原始信道的0.98降至50 dB信噪比与1000 kHz子载波间隔下的0.74。
• dHSIC检验强烈拒绝了依赖的原假设，尤其在D̂增大时，证实了不同位置与子载波之间残差的统计独立性。
• 当SCS = 1000 kHz且SNR = 50 dB时，仅当D̂ = 1时残差依赖仍存在；而当D̂ ≥ 3时，所有配置下均强烈支持独立性。
• 原始信道表现出显著的子载波依赖性（例如SNR ≥30 dB时相关性>0.9），而PCA预处理能有效缓解该问题。
• 当D̂ ≥ 3时，即使在低信噪比下，相邻位置之间的共享熵也表现出高度一致性（相关性>0.98），表明密钥协商具有鲁棒性。
• 与基于相关性的度量相比，dHSIC提供了更强的独立性保障，因为它能检测到相关性所遗漏的非线性依赖关系。