基于重要区域定位与掩码的射频指纹可视化分析

针对时域脉冲信号样本的射频指纹提取与深度学习模型的可解释性,提出了一种基于Grad-CAM的重要区域可视化呈现方法,并通过重要区域的多次掩码测试,来分析重要区域对射频指纹识别结果的影响。基于10个辐射源的信号样本,对比了层数不同的两种ResNet模型的测试结果。测试发现该方法能够区分不同类型信号并呈现个体差异。分析表明,该方法能够发现不同辐射源发送相同信号时的重要区域定位差异,能可视化反映辐射源个体特征的空间距离,以及不同模型的特征表征与指纹定位准确度差异;同时发现对重要区域的掩码更容易产生误预测,证明特定信号存在与时频特征相关的射频指纹,并可辅助可视化定位影响射频指纹样本识别的关键点。

辐射源个体识别的一种可解释性测试架构

由于射频信号种类多,电磁环境复杂,特征提取难度大,现有的基于人工特征的射频辐射源个体识别方法的鲁棒性、适用性难以满足应用需求。数据驱动的深度学习方法虽然可以提供更灵活的辐射源个体识别模式,但深度学习方法自身可解释性差,而且缺乏通用测试模式来评价一个深度学习方法的优劣。本文在电磁大数据非凡挑战赛目标个体数据集的基础上,探索了基于该数据集的深度学习模型测试方法,提出面向辐射源个体识别神经网络模型的通用测试系统架构。该构架通过信号特征遮掩、生成对抗网络(GAN)、欺骗信号汇集、信道模拟等方法构造仿真测试样本,并把测试样本与原样本数据导入深度模型进行识别结果对比测试。基于测试结果分析了深度模型聚焦的信号关键特征位置,分析模型的鲁棒性,揭示信道环境对识别性能的影响,从而解释了深度学习网络模型的性能。

基于信源信息熵最小的单通道盲源数估计算法

源数会直接影响盲源分离的效果,源数估计问题是盲源分离(BSS)中的一个关键问题。针对此问题提出了一种将信息熵作为统计评价指标的单通道盲源数估计算法,使用信息熵来度量源信号的信息量大小从而确定源数。为了计算估计源信号的信息熵,首先,使用高斯混合模型(GMM)来拟合其分布;其次,基于马尔可夫链蒙特卡罗(MCMC)算法,采样得到服从目标分布的样本,并进行熵的计算;最后,通过最小化估计源信号平均信息熵得到盲源个数。一系列基于仿真数据和真实通信数据的实验表明:所提算法具有较强的鲁棒性,且能以94%的准确率估计出源数,从而验证了算法的有效性。

一种电子设备监测识别与定位方法

针对敏感区域,基于智能图像识别、定位与轨迹跟踪方法,提出了一种新的电子设备监测识别与定位方法。提供以“物”为中心的身份识别、行为识别、威胁评估新功能,实现对不同安全等级电子设备轨迹行为的实时智能监测和及时预警响应。利用目标识别与定位算法对监测区域任意时段内电子设备的历史运动轨迹进行图形化表征,并通过人工辅助进一步判断敏感区域内设备的异常情况,可以为敏感区域电子设备的管理提供增强的安全管理,有利于及时追溯威胁源头,避免敏感区域内电子设备带来的安全问题,从而为关键信息基础设施及其敏感区域提供增强的物理环境安全与网络信息安全保障。

面向通信脆弱性的反小型无人机系统分析与评估

一、引言近年的沙特油井遇袭事件、第二次纳卡战争,是无人机成为战争舞台主角的重要转折点。未来军事强国之间的战争必然是高烈度、高技术水平的对抗,无人机也逐渐从战争辅助支援工具转变为杀伤性主战装备。随着蜂群作战、忠诚僚机、马赛克战等新型作战概念深入推进,无人机在国家安全中的作用日益凸显,甚至将直接影响战争结果[1]。

物理隔离网络电磁信息安全检测模型与应用探索

物理隔离网络一般是指与互联网实现物理隔离的内部网络。通过构建隐蔽的声、光、电磁等物理信号,可以建立隐蔽的传输通道,打破物理隔离,造成信息泄漏、病毒植入等广义电磁信息安全问题。在发射、传输、接收的正常通信模型基础上根据检测对象来建立物理隔离网络电磁信息安全检测模型,并针对不同的安全威胁场景,从检测对象和检测方法的角度丰富电磁漏洞检测技术体系,推动新的检测应用探索。

典型电磁泄漏信号特征提取与统计分析

电磁泄漏信号含有许多反映其属性的特征参数。为了充分挖掘信号中的隐藏信息,实现信号识别、分类等多种目标,需要对信号进行特征提取与特征参数统计分析。通过建立时域、频域的特征提取方法和对典型电磁泄漏信号特征参数统计分布的分析,初步验证了特征提取与统计分布可作为电磁信息安全信号识别工作中的一种预处理方法。不仅可以更直观地呈现出电磁特征,也为有效信号的筛选和信号的识别与分类提供了一个具体量化的参考,解决了简单目标不同状态或不同行为的粗分类问题,进而为异常信号检测、设备行为识别等应用提供了有力支撑。

计算机网络电磁泄漏信号的实时监测与智能识别

介绍了自主研发的一种针对计算机网络电磁泄漏信号的自动化实时监测系统,包括电磁信号接收装置和电磁信号监测平台两部分,能够实现对目标设备电力线上的泄漏信号的实时监测与信号的模板采集功能。并以此为平台,借助深度学习与图像识别技术对电磁泄漏信号进行了分类识别,验证了卷积神经网络应用于电磁泄漏信号识别的有效性,为后续该领域的相关研究提供了思路。经过测试与分析,发现识别结果会受到样本训练集种类数、接收装置探头的位置以及样本训练集间的相似度影响,这对提升电磁泄漏信号的分类识别能力提出了更高的要求。计算机网络电磁泄漏信号的监测与智能识别的研究对电磁泄漏源的精准定位以及电磁信息泄漏威胁程度的评估有着重要意义,也为电磁泄漏的预警与防护提供了重要依据。

一种针对电磁传导泄漏威胁的现场快速检测系统

国内外针对电磁信息泄漏威胁展开了大量研究,挖掘了如显示器电磁泄漏等全新的威胁形式。基于这种背景,搭建了一种针对电磁传导泄漏威胁的现场快速检测系统,包括信号发生装置、泄漏信号接收处理装置以及红黑隔离插座三个部分。以此为平台,对不同泄漏信号在电力线上的威胁验证和电磁传导泄漏的隔离防护进行验证。试验证明,该检测系统能够实现从泄漏信号发生、传播到接收的整个过程,构建了一种完备的检测体系,能够实现快速检测现场电磁泄漏态势和电磁隔离防护,为电磁传导泄漏威胁的研究与防护提供了一种全新思路。

基于电磁泄漏信号的电子设备行为识别与安全应用

使用时域分析可以从芯片等集成电路的泄漏信号中提取出算法执行等操作行为,但该方法在信号空间捕获、时间对齐上有较大的局限性。使用频谱扫描和比对可以检测出具有较大电磁泄漏信噪比的设备行为特征,但该方法实时性差,容易受噪声影响。测试发现,结合上述两种方法,通过动态的频谱变化呈现可以得到更明显的操作行为相关的特征。通过采集并分析电磁泄漏信号的频谱变化特征,提出电子设备的行为识别新方法,探讨行为电磁特征库的建立方法和基于电磁泄漏信号的芯片级、设备级、系统级行为识别安全应用。

计算机声光电磁信号互调泄漏威胁分析

典型的信号互调泄漏威胁是利用无线高频率信号对目标设备低频信号的调制,可以跨越物理隔离,使难以泄漏的信号变得容易泄漏,如保密领域常提到的涉密场所引发二次发射泄漏的无线发射设备和斯诺登曝光的NSA窃密装置CTX4000。具体地,通过捕捉计算机设备及其周边环境声、光、电磁信号的无意互调信号,分析利用互调原理无意或恶意产生的信息泄漏隐患,提炼出计算机等电子设备信号互调信息泄漏特征,并提出相对应的威胁防控方法。

基于电力线的电磁信息注入威胁分析

电磁辐射或传导信号进入目标设备可能形成电磁干扰并影响设备正常工作。若这些信号是主动的有意发射且携带信息,则很可能将注入到目标设备的传感器或等效接收电路,从而构成隐蔽的信息传输通道。利用检测发现的两类电磁泄漏信号可主动调制并通过电力线传导,可对目标计算机声卡和外设实现信号和信息注入。深入测试并分析恶意利用类似漏洞的电磁信息注入机理及其产生的威胁,提出了应对该类威胁的主动检测、隔离防护以及监测预警等综合防护措施。

TETRA通信与干扰信号智能识别技术

陆上集群无线电(Terrestrial Trunked Radio,TETRA)数字集群通信系统因其开放性易受到内外部电磁干扰。干扰信号的类型多种多样,针对不同的干扰样式,采取的抗干扰措施也各不相同,因此干扰信号的识别具有重大意义。基于此,提出了一种干扰信号智能识别技术。该技术首先对受到不同干扰后的TETRA音频数据进行特征提取,并筛选出具有分类能力的特征,其次使用决策树、支持向量机和随机森林3种分类模型对特征提取后的待测试信号进行智能分类识别。实验结果表明,使用的这3种模型能够有效判断TETRA系统中的信号是否受到干扰,以及受到何种样式的干扰,可为后续TETRA系统中的信号干扰识别提供参考。

一种传导电磁泄漏源的等效模型研究

在网络作战体系中,电磁泄漏探测是敌对双方都十分重视的领域。电磁泄漏探测分为主动探测和被动探测两种,其中主动探测由发射源对外发射信号,通过检测具体位置处的信号特征,得到被测设备、系统或网络的泄漏信息或其它特征信息。针对一种主动传导电磁泄漏发射源进行分析,结合其工作机理和具体的试验现象,提出了对应的等效模型。该等效模型按工作频率的高低,分为高频等效天线模型和低频等效电路模型两类,通过理论分析了该模型的准确性,通过电路仿真验证了等效模型的正确性。通过该模型研究,可以为后续电磁泄漏探测的数据分析提供有力的分析手段。