Resumen

La identificación por huella dactilar de radiofrecuencia (RF) extrae características de huellas dactilares de las señales de RF para protegerse contra ataques de suplantación al permitir la autenticación confiable de dispositivos de comunicación a nivel de número de serie. Facilitando la autenticación confiable de dispositivos de comunicación están los algoritmos de aprendizaje automático (ML) que encuentran diferencias estadísticas significativas entre los datos medidos. El clasificador Generalized Relevance Learning Vector Quantization-Improved (GRLVQI) es un algoritmo de ML que ha demostrado eficacia para la discriminación de dispositivos de huella dactilar de RF. GRLVQI extiende la familia de clasificadores de winner take all de Learning Vector Quantization (LVQ) que desarrollan vectores prototipo (PVs) que representan datos. En los algoritmos LVQ, se calculan distancias entre ejemplares y PVs, y los PVs se mueven de manera iterativa para representar con precisión los datos. GRLVQI extiende LV

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Radiofrecuencia; Huellas dactilares; Aprendizaje automático; Algoritmos; GRLVQI; Coseno
• Keywords:Radio frequency; Fingerprinting; Machine learning; Algorithms; GRLVQI; Cosine