公开(公告)号：CN116208337A

公开(公告)日：2023-06-02

申请号：CN202211455446.4

申请日：2022-11-21

Applicant: 重庆邮电大学

Inventor： 巩小雪 ,  江振宇 ,  张帆 ,  张琦涵 ,  郭磊

IPC: H04L9/32 ,  G06N3/08 ,  G06F18/214 ,  G06N20/00 ,  G06N3/0464 ,  H04L9/40 ,  H04B10/25 ,  H04Q11/00

Abstract: 本发明涉及一种基于机器学习的OFDM‑PON物理层认证方法，属于光纤通信安全领域。该方法采用PCA算法和1D‑CNN相结合的OFDM‑PON物理层认证方法，在样本预处理过程中，将OFDM光谱数据作为发射机硬件指纹特征的载体，利用PCA算法来提取光谱数据的主要成分，并通过1D‑CNN来学习和分类这些硬件指纹特征。本发明能增强神经网络检测非法用户的能力，同时降低加密的复杂度。

公开(公告)号：CN116743254A

公开(公告)日：2023-09-12

申请号：CN202310786146.2

申请日：2023-06-29

Applicant: 重庆邮电大学

Inventor： 巩小雪 ,  江振宇 ,  张帆 ,  张旭 ,  张宇坤 ,  郭磊

IPC: H04B10/25 ,  H04L9/32

Abstract: 本发明涉及一种基于可变光纤信道指纹的OFDM‑PON物理层认证方法，属于光纤通信安全领域，将ONU与OLT之间的传输光纤分为主干光纤和分支光纤两段，通过调节分支光纤的长度来实现可变的光纤信道指纹，利用光谱作为光纤信道指纹特征的载体，在OLT端使用光谱分析仪来导出每个ONU设备的OFDM光谱数据，然后用主成分分析法对采集的原始OFDM光谱数据进行初次特征提取和降维，最后再利用一维卷积神经网络来分类识别。本发明不需要加密算法参与，而且认证流程更为简单。

公开(公告)号：CN116208337B

公开(公告)日：2025-05-02

申请号：CN202211455446.4

申请日：2022-11-21

Applicant: 重庆邮电大学

Inventor： 巩小雪 ,  江振宇 ,  张帆 ,  张琦涵 ,  郭磊

IPC: H04L9/32 ,  G06N3/08 ,  G06F18/214 ,  G06N20/00 ,  G06N3/0464 ,  H04L9/40 ,  H04B10/25 ,  H04Q11/00

Abstract: 本发明涉及一种基于机器学习的OFDM‑PON物理层认证方法，属于光纤通信安全领域。该方法采用PCA算法和1D‑CNN相结合的OFDM‑PON物理层认证方法，在样本预处理过程中，将OFDM光谱数据作为发射机硬件指纹特征的载体，利用PCA算法来提取光谱数据的主要成分，并通过1D‑CNN来学习和分类这些硬件指纹特征。本发明能增强神经网络检测非法用户的能力，同时降低加密的复杂度。