モバイルWi-Fiデバイス向けのモデル駆動型学習ベースの物理層認証

要旨: 無線技術の普及によりモノのインターネット（IoT）は普及しましたが、無線通信のブロードキャスト性はIoTを認証リスクにさらします。物理層認証（PLA）は、無線チャネルの固有特性を活用することで有望な解決策を提供します。PLAにおける一般的なアプローチとして、仮説検定は理論的に最適なネイマン-ピアソン（NP）検出器を導出しますが、チャネル統計量への依存性が現実世界の状況での実用性を制限します。対照的に、深層学習ベースのPLAアプローチは実用的ですが、最適とは言えないことが多いです。これらの課題に対処するため、仮説検定に導かれた学習ベースのPLAスキームを提案し、Wi-Fiを用いた大規模なシミュレーションと実験評価を実施しました。具体的には、条件付き統計モデルを仮説検定の枠組みに組み込み、理論的に最適なNP検出器を導出しました。これを基に、NP検出器により駆動される軽量ニューラルネットワーク LiteNP-Net を開発しました。シミュレーション結果は、LiteNP-Netがチャネル統計量に関する事前知識がなくても NP検出器の性能に近づくことができることを示しました。実際の環境での有効性をさらに評価するため、さまざまな実世界のシナリオでWi-Fi IoT開発キットを用いた実験テストベッドを展開しました。実験結果は、LiteNP-Netが従来の相関ベースの手法および最先端のサイアミーズベース手法を上回ることを示しました。