Yksittäisen lähettimen tunnistus (SEI): RF-sormenjälki SIGINT-käyttöön

Kaksi samaa merkkiä ja mallia olevaa radiota, suoraan samalta tuotantolinjalta, eivät ole sähköisesti identtisiä. Oskillaattorin, mikserin, tehovahvistimen ja suodattimien valmistustoleranssit tarkoittavat, että jokainen lähetin painaa ainutlaatuisen, toistuvan vääristymäjoukon lähettämiinsä signaaleihin – vääristymiä, joita laite ei koskaan aikonut tuottaa eikä pysty helposti poistamaan. Yksittäisen lähettimen tunnistus (SEI) on tieteenala, joka mittaa näitä tahattomia ominaisuuksia ja käyttää niitä sormenjälkenä yksittäisen fyysisen lähettimen tunnistamiseen, vaikka sen käyttäjä vaihtaisi taajuutta, kutsukirjainta tai salausta. Tässä artikkelissa käydään läpi, mistä sormenjälki koostuu, kuinka se poimitaan ja luokitellaan, missä koneoppiminen auttaa ja missä se epäonnistuu, sekä kuinka vahvistettu tunnistus syötetään elektroniseen taistelujaotukseen.

Mitä SEI on ja mitä se ei ole

On hyödyllistä sijoittaa SEI tarkasti suhteessa viereisiin tehtäviin, joihin se usein sekoitetaan. Signaalien luokittelu vastaa kysymykseen "minkä tyyppinen signaali tämä on?" – sijoittaen emission modulaatiokaavaan, aaltomuotoon tai lähettimien perheeseen. SEI vastaa syvempään kysymykseen: "mikä tietty laite lähetti tämän?" Kaksi lähetintä voidaan luokitella identtisesti – sama tutkasmalli, sama radiolaiteperhe – ja silti SEI pystyy erottamaan ne toisistaan, koska niiden laitteistosormenjäljet eroavat.

SEI:n taustalla oleva yleinen tekniikka on RF-sormenjälki: laitekohtaisten ominaisuuksien poimiminen lähetyksestä. SEI on tämän tekniikan SIGINT-sovellus tiedusteluintressiltään merkittäviin lähettimiin. Arvolupauksen ydin on pysyvyys. Salausavaimet kiertävät, kutsukirjaimet muuttuvat, taajuudet hyppäävät – mutta signaalin tuottava fyysinen laitteisto pysyy samana. Analogisista epätäydellisyyksistä johdettu sormenjälki on paljon vaikeampaa muuttaa kuin mikään protokollatason tunniste, johon vastustajalla on hallinta, koska sen muuttaminen vaatisi lähettimen laitteiston fyysistä vaihtamista tai uudelleensäätämistä.

Sormenjäljen fyysinen alkuperä

Lähettimen sormenjälki on olemassa, koska mikään analoginen komponentti ei ole täydellinen. Erottelevat ominaisuudet jakautuvat kahteen laajaan kategoriaan: transientti- ja vakiotila-ominaisuuksiin.

Käynnistystransientti. Kun lähetin kytkeytyy toimintaan, sen oskillaattori ja tehovahvistin eivät siirry hetkessä toimintapisteeseen – ne asettuvat lyhyen ajan kuluessa, usein muutamasta mikrosekunnista muutamaan millisekuntiin. Tämän asettumisen tarkka muoto sekä amplitudikuvaajassa että hetkellisessä taajuudessa riippuu komponenttiarvoista ja harhajärjestelmistä, jotka vaihtelevat laitteesta laitteeseen. Transientti on SEI:n yksittäisin erottelevimmin ominaisuus, koska se on rikas, toistuva ja erittäin vaikea vastustajan peittää vahingoittamatta omaa yhteyttään.

Kantoaaltotaajuuden poikkeama ja ajautuminen. Jokainen oskillaattori poikkeaa nimellistaajuudestaan pienellä, laitekohtaisella määrällä, ja tämä poikkeama ajautuu lämpötilan ja ikääntymisen myötä ominaisella tavalla. Ympäristöllisen Doppler-ilmiön ja kanavaosuuden vähentämisen jälkeen jäljelle jäävä poikkeama on vakaa laitekohtainen ominaisuus.

IQ-epätasapaino. Kvadratuurilähettimessä in-phase- ja quadrature-polkujen vahvistukset eivät ole täsmälleen yhtä suuret eivätkä vaihesiirrot täsmälleen 90 astetta. Syntyvä vahvistus- ja vaiheen epätasapaino painaa mitattavan, laitekohtaisen vääristymän konstellaatioon, joka säilyy demoduloinnin jälkeenkin.

Vahvistimen epälineaarisuus. Tehovahvistin tuottaa toisen ja kolmannen kertaluvun intermodulaatiotuotteita sekä ominaisen AM-AM- ja AM-PM-vääristymäkäyrän. Tarkka epälineaarisuusprofiili on yksi vahvimmista vakiotilan erottelevista ominaisuuksista, erityisesti lähes kylläisyyspisteessä toimivilla lähettimillä.

Vaihekohinan ja spektrin reunat. Kantoaallon ympäröivä vaihekohinan spektrimuoto sekä pulssiedunlähettimien pulssireunausten nousu- ja laskumuoto kantavat molemmat laitekohtaista tietoa. Tutkalähettimillä pulssin leveyden, amplitudin ja taajuuden pulssi-pulssilta vaihteleva jitter lisää ylimääräisen joukon tahattomia modulaatioominaisuuksia, joita kutsutaan joskus tahattomaksi modulaatioksi pulssissa (UMOP).

Piirteiden poimintaputkisto

Tuotantotason SEI-putkisto alkaa kauan ennen luokittelua. Ensimmäinen vaatimus on kalibroitu ja johdonmukainen keräys. Koska vastaanotinketjulla on omat epätäydellisyytensä, vastaanotin painaa oman sormenjälkensä jokaiseen kaapaukseen. Jos analyysitavoite on verrata lähettimia, täytyy joko käyttää samaa vastaanotinta kaikkien kaapauksien välillä tai karakterisoida ja poistaa vastaanottimen osuus; muutoin riskinä on oman laitteiston eikä kohteen sormenjälkistäminen.

Puhtaan IQ:n saatua putkisto havaitsee ja segmentoi yksittäiset purskahdukset energiantunnistuksella, sitten paikantaa tarkan transienttialoituksen – tyypillisesti amplitudi- tai varianssikynnyksen avulla, joka on viritetty kohinapohjalle. Jokaisen purskahduksen kohdistaminen yhteiseen referenssipisteeseen on kriittistä: transienttiominaisuudet ovat vertailukelpoisia vain, jos purskahdukset ovat aikakohdistettuja, koska erotteleva tieto on ensimmäisissä mikrosekunnissa.

Kohdistamisen jälkeen putkisto joko laskee eksplisiittisen ominaisuusvektorin – transienttikuvaajan tilastot, hetkellisen taajuuskulun, kantoaaltopoikkeaman, IQ-epätasapainokertoimet, vaihekohinaspektrin, intermodulaatiotuotteiden tasot – tai muotoilee kohdistetun purskahduksen opitun mallin sopivaksi esitykseksi: kahden rivin IQ-matriisiksi tai aika-taajuusspektrogrammiksi. Normalisointi poistaa häiriövaihtelun (kokonaisamplitudi, ympäristöllinen taajuuspoikkeama) säilyttäen samalla vakaat, laitekohtaiset suureet. Tämän normalisointirajan oikein saaminen on paikka, johon suurin osa suunnittelupäätöksistä sijoittuu, koska ylimääräinen normalisointi pyyhkii juuri ne ominaisuudet, joita yritetään säilyttää.

Luokittelu: käsintehdyistä ominaisuuksista syväoppimiseen

Klassinen SEI käytti käsin suunniteltuja ominaisuuksia, jotka syötettiin erottelevaan luokittelijaan – tukivektorikoneet, satunnaismetsät tai lähimmän naapurin vastaavuus ominaisuuskirjastoon. Nämä lähestymistavat ovat tulkittavissa ja datatehokkaiksi, ja ne pysyvät hyödyllisinä silloin, kun opetusdata on niukkaa ja asianmukainen fysiikka on hyvin ymmärretty, kuten tutka-UMOP-parametreissa.

Nykyaikainen lähestymistapa käyttää syväoppimista suoraan raa'alla IQ:lla tai spektrogrammeilla. Konvoluutio- ja jäännösverkot oppivat erottelevia ominaisuuksia ilman, että analyytikko määrittelee niitä käsin, ja kontrolloitujen, suljetun joukon aineistoissa ne raportoivat korkeaa tarkkuutta, usein yli 95 prosenttia. Arkkitehtuuri vastaa automaattisen modulaatiotunnistuksen arkkitehtuuria: IQ-segmentti syötetään kaksikanavaisena syötteenä, konvoluutiokerrokset oppivat paikallisen aikadomeenirakenteen, ja luokittelupää tuottaa todennäköisyysjakauman rekisteröityjen lähettimien välille tai upotuksen lähimmän naapurin vastaavuudelle. Sama koneoppimistyökaluketju, joka ohjaa signaalien luokittelua, soveltuu tähänkin, mutta nimiketyt ovat yksittäisiä laitteita eikä signaalityyppejä.

Mainostetut tarkkuusluvut piilottavat todellisen vaikeuden. Kolme vikatilaa hallitsee.

Toimialuemuutos

Malli, jota on opetettu kaapauksilla yhdestä vastaanottimesta, yhdellä signaali-kohinasuhteella ja yhdellä kanavalla, heikkenee huomattavasti, kun jokin näistä olosuhteista muuttuu. Verkko saattaa tarttua vastaanottimen tai kanavan artefakteihin, jotka korreloivat laitteen kanssa opetuksessa mutta eivät yleisty. Torjuntakeinoja ovat kouluttaminen useilla vastaanottimilla ja SNR-tasoilla, eksplisiittinen kanavan augmentointi ja toimialueadaptaatiotekniikat – mutta toimialuemuutos on edelleen ensisijainen syy siihen, miksi laboratoriolukemat eivät selviä operatiivisessa keräyksessä.

Avoimen joukon tunnistus

Suljetun joukon luokittelija on pakotettu sijoittamaan jokainen syöte johonkin tunnetuista luokistaan. Kentällä suurin osa kohdatuista lähettimistä ei ole koskaan rekisteröity. Kestävän SEI-järjestelmän täytyy hylätä tuntemattomat lähettimät eikä sijoittaa niitä virheellisesti, mikä vaatii avoimen joukon suunnittelun: etäisyyskynnyksen upotuksessa, eksplisiittisen "tuntematon"-hylkäysvaihtoehdon tai luottamuskalibroidun kerroksen. Avoimen joukon tunnistus on huomattavasti vaikeampaa kuin suljetun joukon luokittelu, ja se on se, missä monet muuten vaikuttavat järjestelmät epäonnistuvat operatiivisesti.

Kalibroitu luottamus

Tunnistus on analyytikalle hyödyllinen vain, jos sen luottamus on luotettava. Neuroverkot ovat tunnetusti yliluottavaisia, joten käyttöön otettava SEI-järjestelmä tarvitsee kalibroituja todennäköisyyksiä – lämpötilaskaalauksen, ansamblen tai evidentiaalisten menetelmien kautta – jotta raportoitu 70 prosentin vastaavuus todella vastaa noin 70 prosentin osumataajuutta. Ilman kalibointia alajuoksun fuusio ja ihmisohjainen adjudikaatio toimivat lukujen pohjalta, jotka eivät tarkoita mitä ne näyttävät tarkoittavan.

Kestävyys, väärentäminen ja SEI:n rajat

Koska sormenjälki sijaitsee analogisessa laitteistossa, luonteva oletus on, että sitä ei voida väärentää. Tämä pitää pitkälti, mutta ei täysin, paikkansa. Kehittyneellä vastustajalla, joka on tietoinen sormenjälkistämisestä, on muutama vaihtoehto, joilla jokaisella on hintansa. He voivat tarkoituksellisesti muotoilla emissioitaan jäljittelemään toisen lähettimen sormenjälkeä – vaikea teko, joka vaatii kohdelaitteen karakterisointia ja kompensoivien vääristymien lisäämistä, ja joka yleensä heikentää vastustajan omaa linkin laatua. He voivat tukahduttaa informatiivisimmat ominaisuudet, esimerkiksi porttaamalla käynnistystransientin tai esiäärimällä vahvistimen, lisätyn monimutkaisuuden ja pienentyneen kantaman kustannuksella. Tai he voivat yksinkertaisesti kiertää laitteistoa, mikä on kallista laajassa mittakaavassa. Käytännössä epäsymmetria suosii keräilyä: uskottavan väärennellyn sormenjäljen ylläpitäminen useissa lähetyksissä on paljon vaikeampaa kuin aidon poimiminen.

Arkisemmat rajat ovat ympäristöllisiä. Monireittisyys, häipyminen ja alhainen signaali-kohinasuhde heikentävät juuri niitä ominaisuuksia, joihin SEI luottaa, ja pitkä etenemisreitti voi tasoittaa transientin, joka kantaa suurimman osan erottelevasta tiedosta. Suorituskyky vaihtelee siksi jyrkästi keräysgeometrian mukaan – lähellä, näköyhteyden kautta tapahtuva sieppaus tuottaa paljon luotettavamman sormenjäljen kuin kaukainen, estetty sieppaus. Kurinalaisessa SEI-työnkulussa tallennetaan keräysolosuhteet kunkin sormenjäljen rinnalle ja painotetaan luottamusta sen mukaisesti, jotta analyytikalle ei koskaan anneta korkean luottamuksen vastaavuutta, joka on itse asiassa johdettu marginaalisesta kaapauksesta.

Kyse on myös populaatio-ongelmasta. Kun rekisteröity kirjasto kasvaa, mahdollisuus, että kahdella aidosti erillisellä lähettimellä on lähes identtiset sormenjäljet, kasvaa ja päätösrajat luokkien välillä tiukkenevat. SEI on vahvimmillaan uudelleentunnistustyökaluna kuratoitua joukkoa kohtaan kiinnostuksen kohteena olevia lähettimia, ja heikoimmillaan avoimena yrityksenä sormenjälkistää yksilöllisesti jokainen laite tiheässä sähkömagneettisessa ympäristössä. Ongelman rajaaminen lähettimiin, jotka todella merkitsevät, on itsessään suunnittelupäätös, joka määrää järjestelmän suorituskyvyn.

SEI SIGINT-taistelujaotuksessa

Sormenjälki on arvokas vain silloin, kun se syötetään työnkulkuun. SEI-luokittelijan tuotos on kalibroitujen luottamuspisteiden kanssa järjestetty osumien luettelo; korkean luottamuksen osumat ja merkityt tuntemattomat menevät analyytikalle adjudikaatioon, ja vahvistetut uudet lähettimät rekisteröidään sormenjälkikirjastoon provenienssimetadatan kera, jotta kirjasto kasvaa hallitusti eikä kerää kohinaa.

Hyöty tulee fuusiosta. Vahvistettu lähettimen identiteetti, yhdistettynä suuntaetäisyysverkon suuntakulmiin ja geolokalisointiin, muuttuu pysyväksi seurannaksi. Koska sormenjälki selviää operaattorin hallitsemista muutoksista, tätä seurantaa voidaan ylläpitää taajuuden vaihtuessa, avainten vaihtuessa ja kutsukirjainten muuttuessa. Tunnetun korkean arvon lähettimen uudelleentunnistaminen uudessa sijainnissa on usein operatiivisesti merkittävämpää kuin sen lähetyksen sisällön purkaminen, koska se paljastaa liikkeen, joukkojen sijoittelun ja lähettimien välisen yhteyden, joka määrittelee yksikön elektronisen allekirjoituksen. SEI sijoittuu siten laajempaan SIGINT-alustan arkkitehtuuriin kerroksena, joka muuttaa anonyymit sieppaukset seuratuksi, nimetyiksi entiteeteiksi elektronisessa taistelujaotuksessa.

SEI:n suunnittelu alustalle tarkoittaa sormenjälkikirjaston kohtelemista ensimmäisen luokan data-omaisuutena: versioituna, pääsynhallitusti ja auditoitavasti, jokaisen rekisteröinnin ja jokaisen vastaavuuden kirjatusti. Se tarkoittaa myös sen hyväksymistä, että SEI on ihmistä silmukassa vaativa tieteenala – kone järjestää ja merkitsee, mutta operatiivisiin päätöksiin johtava varma tunnistus tulisi kantaa takanaan analyytikon adjudikaatio.