• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Radio Frequency Fingerprint-Based Intelligent Mobile Edge Computing for Internet of Things Authentication
【2h】

Radio Frequency Fingerprint-Based Intelligent Mobile Edge Computing for Internet of Things Authentication

机译：基于射频指纹的物联网认证智能移动边缘计算

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, a light-weight radio frequency fingerprinting identification (RFFID) scheme that combines with a two-layer model is proposed to realize authentications for a large number of resource-constrained terminals under the mobile edge computing (MEC) scenario without relying on encryption-based methods. In the first layer, signal collection, extraction of RF fingerprint features, dynamic feature database storage, and access authentication decision are carried out by the MEC devices. In the second layer, learning features, generating decision models, and implementing machine learning algorithms for recognition are performed by the remote cloud. By this means, the authentication rate can be improved by taking advantage of the machine-learning training methods and computing resource support of the cloud. Extensive simulations are performed under the IoT application scenario. The results show that the novel method can achieve higher recognition rate than that of traditional RFFID method by using wavelet feature effectively, which demonstrates the efficiency of our proposed method.
机译：本文提出了一种结合两层模型的轻量级射频指纹识别（RFFID）方案，以在不依赖移动边缘计算（MEC）的情况下实现对大量资源受限终端的认证。基于加密的方法。在第一层中，由MEC设备执行信号收集，RF指纹特征提取，动态特征数据库存储以及访问身份验证决策。在第二层中，学习功能，生成决策模型以及实现用于识别的机器学习算法由远程云执行。通过这种方式，可以利用机器学习训练方法和云计算资源支持来提高认证率。在物联网应用场景下进行了广泛的仿真。结果表明，与传统的RFFID方法相比，该方法能够有效地利用小波特征，从而达到较高的识别率，证明了该方法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号