다중 간섭 환경을 고려한 RF 지문 인식 기술 연구
Calibrated RF-Fingerprinting Under Interference With Heterogeneous Transmission Protocols
arXiv기존 RF 지문 인식 기술이 단일 송신 환경에 국한된 한계를 넘어, 시간과 주파수가 겹치는 복잡한 다중 간섭 상황을 분석했습니다.
- 해당 문제를 다중 레이블 분류로 정의하고 1D CNN 모델을 적용했으며, 오탐지(False Negative) 상한선을 보장하는 방식으로 모델 신뢰도를 높였습니다.
- 실제 5G, Wi-Fi 등 다양한 프로토콜이 혼재된 환경에서 최대 97%의 높은 정확도를 보여주며 실용성을 입증했습니다.
- 채널 상태에 따라 정확도는 73~97%로 변동하나, 모델 보정을 통해 오탐지율 상한선을 확보하여 신뢰성을 높였습니다.
기존의 무선 주파수(RF) 지문 인식 기법은 하드웨어 결함에 기반하여 특정 송신기를 식별하는 스펙트럼 모니터링 기술입니다. 그러나 기존 연구들은 단일 송신기만 고려하는 경우가 많아 실제 환경 적용에 한계가 있었습니다. 본 연구는 이러한 한계를 극복하기 위해, 시간과 주파수 영역에서 여러 신호가 중첩되는 동채널 간섭(co-channel interference) 상황을 분석 대상으로 삼았습니다.
이 문제를 다중 레이블 분류 문제로 공식화하고 1D 컨볼루션 신경망(CNN)을 적용했습니다. 특히, 모델의 신뢰도를 높이기 위해 라벨 확률에 대한 자신감 임계값(confidence thresholds)을 도출하는 보정 과정을 거쳤습니다. 이 과정은 평균 오탐지율(False Negatives)의 상한선을 보장하여, 실제 스펙트럼 정책 위반 사항을 놓치지 않을 것이라는 신뢰도를 제공합니다.
제안된 방법론은 POWDER 5G 테스트베드에서 802.11a(Wi-Fi), 4G LTE, 그리고 5G NR 파형을 전송하는 실제 데이터를 사용하여 검증되었습니다. 그 결과 정확도는 채널 상태에 따라 최대 97%까지 나타났으며, 최저 73%의 성능을 보였습니다. 또한, 다양한 평균 오탐지 상한선에 대한 보정을 통해 마이크로 리콜 점수를 확보하여 현실적인 고경쟁 무선 환경에서의 잠재력을 입증했습니다.