隨著無線通信網絡帶來的信息安全問題不斷湧現，尤其是用戶身份假冒、重放攻擊和設備克隆等問題。近年來各國發生的攻擊事件（如通過智能數據攻擊導致電網發生切負荷、線路過載斷線、連鎖故障等）也逐步將電網在信息安全方面存在的各種隱患暴露出來。如何準確地識別和認證物聯對象是電力物聯網面臨的首要問題，也是電力物聯網應用的基礎。電力物聯網非法接入設備的數據攻擊將對整個網絡造成嚴重的幹擾與威脅，僅依靠傳統的應用層密碼認證方法難以保證通信系統的安全，因此設計有效的物理層認證系統具有重要意義。

電子信息學院李靖超團隊在上海市自然科學基金、國家自然科學基金等項目的資助下，將物聯網終端設備發射的電磁波信號所攜帶的固有的、本質的無意調製信息，作為物聯設備可識別的“基因”特征，通過差分等勢星球圖的有效特征提取方法，構建了設備基因特征的精細畫像數據庫，將一維射頻信號特征集轉化為二維數字圖像集，並采用深度卷積神經網絡對提取的射頻基因精細畫像進行智能識別，實現了物聯網物理層終端設備的可靠識別與認證。

(a) WiFi網卡設備#20 

(b) WiFi網卡設備#10

(c) WiFi網卡設備#17

認證識別流程圖

差分等勢星球圖作為物聯設備可識別特征具有更好的魯棒性，即使不估計和補償接收機的載頻偏差和相位偏差，也可以獲得通信輻射源（發射機）的可靠的射頻基因特征，基於所提出方法的識別成功率可達到98.6%。

相關成果近期發表在《Energy Science & Engineering》和《Energy Reports》等國際期刊上，同時申請軟件著作權3套。（供稿：科技處）