本發(fā)明涉及無線信道密鑰，具體為涉及一種基于lstm模型的最優(yōu)子載波組合構(gòu)建方法。

背景技術(shù)：

1、物理層密鑰生成技術(shù)作為對現(xiàn)有加密技術(shù)的補充，得到了廣泛的關(guān)注。物理層密鑰的生成利用無線電信道的固有隨機(jī)性來提供動態(tài)共享密鑰，基于時變多輸入多輸出（multiple-input?multiple-output，mimo）信道的物理觀測性質(zhì)，利用時間和空間相關(guān)的信道樣本來建立密鑰。當(dāng)合法通信節(jié)點進(jìn)行無線通信時，通信方的信道特征具有信道互易性、時空唯一性、快速時變性，以及隨機(jī)性。在分析信道特征的密鑰生成技術(shù)中，基于信道狀態(tài)信息（channel?state?information，csi）的密鑰生成技術(shù)具有廣泛的應(yīng)用前景和研究價值。csi?提供了關(guān)于無線信道傳輸特性的多維度、精細(xì)化的信息，包括信號的幅度、相位、頻率等參數(shù)。這些參數(shù)的微小變化都可以被用來生成密鑰，使得攻擊者難以通過簡單的測量或預(yù)測來破解密鑰。相較于rssi等簡單的信號強度指標(biāo)，csi對信道的描述更為全面和準(zhǔn)確，包含了豐富的信道狀態(tài)信息，即使在環(huán)境變化或干擾存在的情況下，也能保持相對穩(wěn)定。

2、目前常見的通信體制都采用ofdm調(diào)制方式，ofdm利用不同頻點的子載波發(fā)送信息，可獲取不同子載波的cfr。csi實際上就是cfr在不同子載波上的離散采樣，即cfr是csi的一種表現(xiàn)形式?；趥鹘y(tǒng)csi的密鑰生成方法是將一個數(shù)據(jù)包中同時測量的多個子載波的cfr作為共享隨機(jī)源，且互易性良好，這說明通信方對應(yīng)的單一子載波的cfr具有相近的數(shù)值?；赾si的異編號子載波商數(shù)模型，將不同子載波的采樣序列的商數(shù)作為隨機(jī)源，相較于在頻域維度將csi作為密鑰隨機(jī)源的傳統(tǒng)密鑰生成方法，達(dá)到了提升csi信息利用率和密鑰生成速率的效果。

3、雖然ofdm信道中的子載波信號頻率正交，但相鄰的子載波具有非常接近的頻率，導(dǎo)致頻域產(chǎn)生相似的信道響應(yīng)，來自它們測量的csi可能具有很強的相關(guān)性。因此，在異編號子載波商數(shù)模型中，同一子載波與若干個鄰近的子載波測量的csi的商數(shù)序列量化生成的連續(xù)幾組密鑰會產(chǎn)生很大比率的重復(fù)段，容易被竊聽者破解，導(dǎo)致密鑰可用性極差。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于lstm模型的最優(yōu)子載波組合構(gòu)建方法，以解決背景技術(shù)中提出的技術(shù)問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、s1、捕獲csi原始數(shù)據(jù)并預(yù)處理形成含有若干個數(shù)據(jù)包的原始數(shù)據(jù)集，其中，表示第個原始數(shù)據(jù)的數(shù)據(jù)包，，數(shù)據(jù)包中包含若干個有效的子載波csi采樣信息；

4、s2、采用基于成本函數(shù)的改進(jìn)肘部法則對原始數(shù)據(jù)集進(jìn)行處理，確定聚類數(shù)m的取值范圍，并從此范圍中確定最優(yōu)聚類數(shù)m’；

5、s3、利用k-means聚類算法在分類數(shù)為最優(yōu)聚類數(shù)m’時，對子載波csi采樣信息進(jìn)行子載波聚類并生成數(shù)據(jù)標(biāo)簽，利用數(shù)據(jù)標(biāo)簽將原始數(shù)據(jù)集中包含的每個數(shù)據(jù)包內(nèi)的每個子載波csi采樣信息進(jìn)行標(biāo)注形成帶標(biāo)簽數(shù)據(jù)集，其中，表示第個帶數(shù)據(jù)標(biāo)簽的數(shù)據(jù)包，；

6、s4、將帶標(biāo)簽數(shù)據(jù)集劃分為訓(xùn)練集和測試集，將訓(xùn)練集輸入lstm子載波分類模型進(jìn)行訓(xùn)練后，使用測試集測試訓(xùn)練完成的lstm子載波分類模型，最后，在lstm子載波分類模型輸出的每個類別中任取一個該類別對應(yīng)的子載波組成最優(yōu)子載波組合，其中，lstm子載波分類模型的結(jié)構(gòu)按照輸入到輸出的順序依次為：lstm層、全連接層和輸出層。

7、更進(jìn)一步的，所述步驟s2的具體步驟為：

8、s21、從原始數(shù)據(jù)集中任選若干個csi原始數(shù)據(jù)數(shù)據(jù)包，并利用肘部法則確定聚類數(shù)m的取值范圍；

9、s22、構(gòu)造成本函數(shù)，通過成本函數(shù)計算內(nèi)所有聚類數(shù)所對應(yīng)的函數(shù)值，將最小函數(shù)值對應(yīng)的聚類數(shù)作為最優(yōu)聚類數(shù)m’。

10、更進(jìn)一步的，所述步驟s21中肘部法則確定聚類數(shù)的取值范圍的具體步驟為：

11、s211、將選取的若干個csi原始數(shù)據(jù)數(shù)據(jù)包中包含的子載波csi采樣信息數(shù)t作為k-means算法分類數(shù)k的取值范圍，將其表示為k∈[1,t]，利用k-means算法在此范圍內(nèi)進(jìn)行多次子載波聚類，生成多次聚類結(jié)果，其中，聚類結(jié)果在分類數(shù)k的取值范圍內(nèi)；

12、s212、根據(jù)每次的聚類結(jié)果計算簇內(nèi)平方和，得到聚類數(shù)m的取值范圍，其中，u∈k，則的計算公式為：

13、上式中，表示第個類的聚類中心，表示屬于第類的數(shù)據(jù)點，k表示分類數(shù)，表示第個類簇。

14、更進(jìn)一步的，所述步驟s22中成本函數(shù)通過下式表示：

15、

16、

17、上式中，表示成本函數(shù)值，表示類內(nèi)距離，表示類間距離，表示第個類中csi數(shù)據(jù)的均值，表示第個類中csi數(shù)據(jù)的個數(shù)，表示所有樣本數(shù)據(jù)的均值，表示第個類中第個csi數(shù)據(jù)，，表示第個類簇，m表示聚類數(shù)。

18、更進(jìn)一步的，所述lstm子載波分類模型的輸出層采用激活函數(shù)，通過激活函數(shù)輸出每個類別的預(yù)測概率，預(yù)測概率的計算公式為：

19、上式中，為子載波類別的預(yù)測概率，和分別表示為權(quán)重矩陣和偏置，表示全連接層將lstm層的輸出映射到分類空間后的輸出數(shù)據(jù)。

20、更進(jìn)一步的，所述帶數(shù)據(jù)標(biāo)簽的數(shù)據(jù)包中包含若干個有效的數(shù)據(jù)標(biāo)簽及其對應(yīng)的子載波csi采樣信息。

21、更進(jìn)一步的，所述訓(xùn)練集占帶標(biāo)簽數(shù)據(jù)集80%，測試集占帶標(biāo)簽數(shù)據(jù)集20%。

22、有益效果：

23、1、本發(fā)明基于成本函數(shù)的改進(jìn)肘部法則以及k-means算法對原始數(shù)據(jù)集進(jìn)行處理，確定聚類數(shù)的取值范圍，并從此范圍中確定最優(yōu)聚類數(shù)，在分類數(shù)為最優(yōu)聚類數(shù)時通過k-means算法對子載波csi采樣信息進(jìn)行子載波聚類并生成數(shù)據(jù)標(biāo)簽，利用lstm子載波分類模型輸出最優(yōu)子載波組合，可以有效降低子載波之間的相關(guān)性，使得密鑰重復(fù)比例明顯降低，理論上不會存在相似度較高的子載波采樣序列，可有效預(yù)防密鑰序列中出現(xiàn)大量重復(fù)位，提升密鑰更新速率，尤其是在通信交互頻繁的情況下，可以有效保障通信安全。

24、2、本發(fā)明通過肘部法則確定聚類數(shù)的取值范圍，再通過成本函數(shù)確定最優(yōu)聚類數(shù)，在保持聚類有效性的同時，可以對選擇的數(shù)據(jù)進(jìn)行最佳分類，有利于之后lstm子載波分類模型輸出最優(yōu)子載波組合。

技術(shù)特征：

1.一種基于lstm模型的最優(yōu)子載波組合構(gòu)建方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的最優(yōu)子載波組合構(gòu)建方法，其特征在于，所述步驟s2的具體步驟為：

3.根據(jù)權(quán)利要求2所述的最優(yōu)子載波組合構(gòu)建方法，其特征在于：所述步驟s21中肘部法則確定聚類數(shù)的取值范圍的具體步驟為：

4.根據(jù)權(quán)利要求2所述的最優(yōu)子載波組合構(gòu)建方法，其特征在于：所述步驟s22中成本函數(shù)通過下式表示：

5.根據(jù)權(quán)利要求1所述的最優(yōu)子載波組合構(gòu)建方法，其特征在于：所述lstm子載波分類模型的輸出層采用激活函數(shù)，通過激活函數(shù)輸出每個類別的預(yù)測概率，預(yù)測概率的計算公式為：

6.根據(jù)權(quán)利要求1所述的最優(yōu)子載波組合構(gòu)建方法，其特征在于：所述帶數(shù)據(jù)標(biāo)簽的數(shù)據(jù)包中包含若干個有效的數(shù)據(jù)標(biāo)簽及其對應(yīng)的子載波csi采樣信息。

7.根據(jù)權(quán)利要求1所述的最優(yōu)子載波組合構(gòu)建方法，其特征在于：所述訓(xùn)練集占帶標(biāo)簽數(shù)據(jù)集80%，測試集占帶標(biāo)簽數(shù)據(jù)集20%。

技術(shù)總結(jié)
本發(fā)明公開了一種基于LSTM模型的最優(yōu)子載波組合構(gòu)建方法，包括捕獲CSI原始數(shù)據(jù)并預(yù)處理形成含有若干個數(shù)據(jù)包的原始數(shù)據(jù)集；采用基于成本函數(shù)的改進(jìn)肘部法則對原始數(shù)據(jù)集進(jìn)行處理，確定聚類數(shù)M的取值范圍，并從此范圍中確定最優(yōu)聚類數(shù)M’。本發(fā)明可以有效降低子載波之間的相關(guān)性，使得密鑰重復(fù)比例明顯降低，理論上不會存在相似度較高的子載波采樣序列，可有效預(yù)防密鑰序列中出現(xiàn)大量重復(fù)位，提升密鑰更新速率，尤其是在通信交互頻繁的情況下，可以有效保障通信安全。

技術(shù)研發(fā)人員：劉曉波,王滿,梁燕華,張艷俠,許強,姜禹,郭宇婕
受保護(hù)的技術(shù)使用者：江蘇金網(wǎng)檢測認(rèn)證有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26