Deep Learning-Based Radio Frequency Fingerprint Identification
Die Forschung der Gastwissenschaftlerinnen und Gastwissenschaftler konzentriert sich auf die Identifikation von Geräten mittels Deep-Learning-basierter Funkfingerabdrücke. Dabei werden Geräte nicht anhand zugewiesener Adressen identifiziert, sondern auf Grundlage charakteristischer Funkeigenschaften. Diese entstehen durch minimale, unvermeidbare Hardware-Unterschiede, die während der Fertigung oder im laufenden Betrieb auftreten, und verleihen jedem Sender eine individuelle Signatur.
Die Methoden der Gastwissenschaftlerinnen und Gastwissenschaftler wurden bislang unter statischen Bedingungen erprobt. Ein Nachweis ihrer Zuverlässigkeit unter realistischen Bedingungen mit bewegten Sendern stand jedoch noch aus. Um dies zu überprüfen, wurden Long-Range-Wide-Area-Network (LoRaWAN)-Sender an einer Drohne montiert und entlang verschiedener Trajektorien bewegt. Die dabei gewonnenen Messdaten werden nun im Hinblick auf die Robustheit der Verfahren ausgewertet.
Wir bedanken uns sowohl bei den Gastwissenschaftlerinnen und Gastwissenschaftlern der University of Liverpool als auch beim DKS für die gelungene Kooperation.
