Graphes programmables intriqués pour l'identification d'empreintes Radio-Fréquence

Alice Chillet (1) , Baptiste Boyer (1) , Robin Gerzaguet (1) , Karol Desnos (2) , Matthieu Gautier (1)

1 GRANIT - Adaptive algorithms and architectures for energy-efficient wireless systems
2 IETR - Institut d'Électronique et des Technologies du numéRique

This paper proposes to use Tangled Program Graph (tpg) for Radio Frequency Fingerprint (RFF) identification. RFF is a unique signature created by electromagnetic distortions of the different radio frequency hardware components in the device. This signature is contained in the transmitted signal and may be used as a secure identifier because it can not be easily spoofed. In recent years, RFF identification is mainly based on DL. TPG is a new machine learning technique based on genetic evolution and is less complex than DL.In this paper, we propose to use TPG-based classification to achieve a lightweight and accurate RFF identification scheme. Results show that TPG achieve the same accuracy as a state-of-the-art convolutional neural network with a learning phase duration clearly reduced on CPU.

Ce papier propose d'utiliser les graphes programmables intriqués ou Tangled Program Graph (TPG) dans le cadre de l'identification d'empreintes Radio Frequence (RF) ou Radio Frequency Fingerprint. Une empreinte RF est une signature unique créée par les distorsions électromagnétiques des différents composants matériels du dispositif radio. Cette signature est inscrite dans le signal émis et peut être utilisée comme un identifiant, par nature sécurisé car non reproductible. L'état de l'art présente des solutions d'identification par classification des empreintes grâce à des Réseaux de Neurones Convolutifs ou Convolutional Neural Network (CNN). Les TPG sont des modèles d'apprentissage par renforcement ou Renforcement Learning (RL), basés sur des techniques d'évolution génétique moins complexes que les réseaux de neurones. Ce papier propose d'utiliser la classification par TPG pour identifier à moindre coût et efficacement des empreintes RF. Les résultats montrent que la vitesse de convergence des TPG est comparable à celle obtenue par un réseau de neurones de l'état de l'art avec des performances en test comparables.

Mots clés: Tangled Program Graphs; Machine Learning

Mots clés: Radio Frequency Fingerprint

Domaines: Traitement du signal et de l'image [eess.SP]; Intelligence artificielle [cs.AI]

Alice Chillet, Baptiste Boyer, Robin Gerzaguet, Karol Desnos, Matthieu Gautier. Graphes programmables intriqués pour l'identification d'empreintes Radio-Fréquence. GRETSI 2023 – 29ème colloque du Groupement de Recherche en Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04196801⟩