Identification spécifique d'émetteur (SEI) : empreinte RF pour le SIGINT

Deux radios de même marque et de même modèle, sorties de la même ligne de production, ne sont pas électriquement identiques. Les tolérances de fabrication dans l'oscillateur, le mélangeur, l'amplificateur de puissance et les filtres font que chaque émetteur imprime un ensemble unique et reproductible de distorsions sur les signaux qu'il envoie — des distorsions que l'appareil n'avait jamais l'intention de produire et qu'il ne peut pas facilement supprimer. L'identification spécifique d'émetteur (SEI) est la discipline qui consiste à mesurer ces caractéristiques non intentionnelles et à les utiliser comme empreinte digitale pour reconnaître un émetteur physique individuel, même lorsque son opérateur change de fréquence, d'indicatif ou de chiffrement. Cet article explique ce dont l'empreinte est constituée, comment elle est extraite et classifiée, où l'apprentissage automatique aide et où il échoue, et comment une identification confirmée alimente l'ordre de bataille électronique.

Ce qu'est le SEI, et ce qu'il n'est pas

Il est utile de positionner le SEI précisément par rapport aux tâches adjacentes avec lesquelles il est souvent confondu. La classification de signaux répond à la question « de quel type de signal s'agit-il ? » — en affectant une émission à un schéma de modulation, une forme d'onde ou une famille d'émetteurs. Le SEI répond à une question plus profonde : « quel appareil spécifique a transmis ceci ? » Deux émetteurs peuvent être classifiés de manière identique — même modèle radar, même famille radio — et pourtant être distingués par le SEI parce que leurs empreintes matérielles diffèrent.

La technique générale derrière le SEI est l'empreinte RF : extraire des caractéristiques propres à un appareil à partir d'une transmission. Le SEI est l'application SIGINT de cette technique aux émetteurs présentant un intérêt pour le renseignement. La proposition de valeur est la persistance. Les clés cryptographiques changent, les indicatifs changent, les fréquences sautent, mais le matériel physique qui produit le signal reste le même. Une empreinte dérivée d'imperfections analogiques est bien plus difficile à modifier que n'importe quel identifiant de couche protocole que l'adversaire contrôle, car la modifier nécessiterait de remplacer ou de régler physiquement le matériel de l'émetteur.

L'origine physique de l'empreinte

Une empreinte d'émetteur existe parce qu'aucun composant analogique n'est parfait. Les caractéristiques discriminantes se répartissent en deux grandes catégories : transitoires et en régime permanent.

Transitoire de mise en marche. Lorsqu'un émetteur commence à transmettre, son oscillateur et son amplificateur de puissance ne passent pas instantanément à leur point de fonctionnement — ils se stabilisent sur un bref intervalle, souvent de quelques microsecondes à quelques millisecondes. La forme exacte de cette stabilisation, tant dans l'enveloppe d'amplitude que dans la fréquence instantanée, est régie par les valeurs des composants et les circuits de polarisation qui varient d'une unité à l'autre. Le transitoire est la caractéristique la plus discriminante dans le SEI car il est riche, reproductible et extrêmement difficile à masquer pour un adversaire sans dégrader son propre lien.

Décalage et dérive de la fréquence porteuse. Chaque oscillateur dévie de sa fréquence nominale d'une petite quantité spécifique à l'appareil, et ce décalage dérive avec la température et le vieillissement de manière caractéristique. Après soustraction des contributions Doppler environnementales et du canal, le décalage résiduel est une caractéristique stable par appareil.

Déséquilibre IQ. Dans un émetteur en quadrature, les voies en phase et en quadrature n'ont jamais un gain parfaitement égal ni une relation de phase exacte à 90 degrés. Le déséquilibre de gain et de phase résultant imprime une distorsion mesurable et spécifique à l'appareil sur la constellation, qui survit à la démodulation.

Non-linéarité de l'amplificateur. L'amplificateur de puissance introduit des produits d'intermodulation du deuxième et du troisième ordre ainsi qu'une courbe de distorsion AM-AM et AM-PM caractéristique. Le profil de non-linéarité précis est l'un des discriminants les plus forts en régime permanent, notamment pour les émetteurs fonctionnant près de la saturation.

Bruit de phase et bords spectraux. La forme spectrale du bruit de phase autour de la porteuse, et la forme exacte des fronts montants et descendants des impulsions pour les émetteurs pulsés, portent toutes deux des informations spécifiques à l'appareil. Pour les émetteurs radar, la gigue impulsion à impulsion en largeur, amplitude et fréquence ajoute un ensemble supplémentaire de caractéristiques de modulation non intentionnelle parfois appelées modulation non intentionnelle sur impulsion (UMOP).

Pipeline d'extraction de caractéristiques

Un pipeline SEI de production commence bien avant toute classification. La première exigence est une collecte calibrée et cohérente. Comme la chaîne de réception a ses propres imperfections, le récepteur imprime sa propre empreinte sur chaque capture. Si l'objectif de l'analyse est de comparer des émetteurs, il faut soit utiliser le même récepteur pour toutes les captures, soit caractériser et supprimer la contribution du récepteur ; sinon, on risque de prendre l'empreinte de son propre matériel plutôt que de la cible.

Une fois les données IQ propres obtenues, le pipeline détecte et segmente les rafales individuelles à l'aide de la détection d'énergie, puis localise le début précis du transitoire — généralement avec un seuil d'amplitude ou de variance réglé sur le plancher de bruit. L'alignement de chaque rafale sur un point de référence commun est critique : les caractéristiques transitoires ne sont comparables que si les rafales sont alignées dans le temps, car l'information discriminante réside dans les premières microsecondes.

Après l'alignement, le pipeline calcule soit un vecteur de caractéristiques explicite — statistiques de l'enveloppe transitoire, trajectoire de fréquence instantanée, décalage de porteuse, coefficients de déséquilibre IQ, spectre de bruit de phase, niveaux de produits d'intermodulation — soit formate la rafale alignée sous une représentation adaptée à un modèle appris : une matrice IQ à deux lignes ou un spectrogramme temps-fréquence. La normalisation supprime la variation parasite (amplitude globale, décalage de fréquence environnemental) tout en préservant les quantités stables et spécifiques à l'appareil. Établir correctement cette frontière de normalisation est l'endroit où réside l'essentiel du jugement d'ingénierie, car une normalisation excessive efface précisément les caractéristiques qu'on cherche à conserver.

Classification : des caractéristiques artisanales à l'apprentissage profond

Le SEI classique utilisait des caractéristiques conçues manuellement alimentant un classificateur discriminant — machines à vecteurs de support, forêts aléatoires, ou correspondance par plus proche voisin dans une bibliothèque de caractéristiques. Ces approches sont interprétables et efficaces en données, et elles restent utiles lorsque les données d'entraînement sont rares et que la physique pertinente est bien comprise, comme pour les paramètres UMOP des radars.

L'approche moderne utilise l'apprentissage profond directement sur les données IQ brutes ou les spectrogrammes. Les réseaux convolutifs et résiduels apprennent des caractéristiques discriminantes sans que l'analyste les spécifie manuellement, et sur des jeux de données contrôlés en ensemble fermé, ils affichent une précision élevée, souvent supérieure à 95 %. L'architecture reflète celle utilisée pour la reconnaissance automatique de modulation : un segment IQ entre sous forme d'entrée à deux canaux, les couches convolutives apprennent la structure locale dans le domaine temporel, et une tête de classification produit une distribution de probabilités sur les émetteurs enrôlés ou un embedding pour la correspondance par plus proche voisin. La même chaîne d'outils d'apprentissage automatique qui alimente la classification de signaux s'applique ici, mais les étiquettes sont des appareils individuels plutôt que des types de signaux.

Les chiffres de précision annoncés cachent la vraie difficulté. Trois modes d'échec dominent.

Décalage de domaine

Un modèle entraîné sur des captures provenant d'un récepteur, à un rapport signal sur bruit donné, sur un canal donné, tend à se dégrader fortement lorsque l'une de ces conditions change. Le réseau peut s'accrocher à des artefacts du récepteur ou du canal qui corrèlent avec l'appareil à l'entraînement mais ne se généralisent pas. Les atténuations comprennent l'entraînement sur plusieurs récepteurs et niveaux de rapport signal sur bruit, l'augmentation explicite du canal, et les techniques d'adaptation de domaine — mais le décalage de domaine reste la principale raison pour laquelle les chiffres de laboratoire ne survivent pas au contact avec la collecte opérationnelle.

Reconnaissance en ensemble ouvert

Un classificateur en ensemble fermé est contraint d'affecter chaque entrée à l'une de ses classes connues. Sur le terrain, la plupart des émetteurs rencontrés n'auront jamais été enrôlés. Un système SEI robuste doit rejeter les émetteurs inconnus plutôt que de les affecter de manière erronée avec confiance, ce qui nécessite une conception en ensemble ouvert : un seuil de distance sur l'embedding, une option de rejet explicite « inconnu », ou une couche de calibration de confiance. La reconnaissance en ensemble ouvert est substantiellement plus difficile que la classification en ensemble fermé et c'est là que beaucoup de systèmes par ailleurs impressionnants échouent en opération.

Confiance calibrée

Une identification n'est utile à un analyste que si sa confiance est fiable. Les réseaux de neurones sont notoirement trop confiants, donc un système SEI déployable a besoin de probabilités calibrées — via la mise à l'échelle de température, les ensembles, ou les méthodes évidentielles — afin qu'une correspondance signalée à 70 % corresponde genuinement à un taux de réussite d'environ 70 %. Sans calibration, la fusion en aval et l'adjudication humaine travaillent à partir de chiffres qui ne signifient pas ce qu'ils semblent indiquer.

Robustesse, usurpation et limites du SEI

Parce que l'empreinte réside dans le matériel analogique, l'hypothèse naturelle est qu'elle ne peut pas être falsifiée. C'est principalement, mais pas entièrement, vrai. Un adversaire sophistiqué conscient d'être pris en empreinte dispose de quelques options, chacune avec un coût. Il peut délibérément façonner ses émissions pour imiter l'empreinte d'un autre émetteur — un exploit difficile qui nécessite de caractériser l'appareil cible et d'ajouter une distorsion compensatoire, et qui tend à dégrader la qualité du lien de l'adversaire. Il peut supprimer les caractéristiques les plus informatives, par exemple en supprimant le transitoire de mise en marche ou en prédistordant l'amplificateur, au coût d'une complexité accrue et d'une portée réduite. Ou il peut simplement faire tourner le matériel, ce qui est coûteux à grande échelle. En pratique, l'asymétrie favorise le collecteur : maintenir une empreinte usurpée crédible sur de nombreuses transmissions est bien plus difficile qu'en extraire une vraie.

Les limites les plus banales sont environnementales. Les trajets multiples, l'évanouissement et le faible rapport signal sur bruit dégradent précisément les caractéristiques dont dépend le SEI, et un long chemin de propagation peut étaler le transitoire qui porte la majeure partie de l'information discriminante. Les performances varient donc fortement avec la géométrie de collecte — une interception rapprochée en visibilité directe donne une empreinte bien plus fiable qu'une interception distante et obstruée. Un flux de travail SEI discipliné enregistre les conditions de collecte à côté de chaque empreinte et pondère la confiance en conséquence, de sorte qu'un analyste ne reçoit jamais une correspondance à haute confiance qui était en réalité dérivée d'une capture marginale.

Il existe également un problème de population. À mesure que la bibliothèque enrôlée s'agrandit, la probabilité que deux émetteurs véritablement distincts aient des empreintes quasi identiques augmente, et les frontières de décision entre classes se resserrent. Le SEI est le plus fort en tant qu'outil de réidentification contre un ensemble sélectionné d'émetteurs d'intérêt, et le plus faible en tant que tentative ouverte de prendre l'empreinte unique de chaque appareil dans un environnement électromagnétique dense. Délimiter le problème aux émetteurs qui comptent vraiment est en soi une décision d'ingénierie qui détermine si le système fonctionne.

Le SEI dans l'ordre de bataille SIGINT

Une empreinte n'a de valeur que lorsqu'elle alimente un flux de travail. La sortie du classificateur SEI est une liste de correspondances classée avec une confiance calibrée ; les correspondances à haute confiance et les inconnus signalés sont transmis à un analyste pour adjudication, et les nouveaux émetteurs confirmés sont enrôlés dans la bibliothèque d'empreintes avec des métadonnées de provenance afin que la bibliothèque croisse de manière contrôlée plutôt qu'en accumulant du bruit.

La valeur ajoutée vient de la fusion. Une identité d'émetteur confirmée, combinée aux gisements d'un réseau de radiogoniométrie et à la géolocalisation, devient une piste persistante. Parce que l'empreinte survit aux changements contrôlés par l'opérateur, cette piste peut être maintenue à travers les changements de fréquence, les renouvellements de clés et les changements d'indicatifs. La réidentification d'un émetteur de haute valeur connu à un nouvel emplacement est souvent plus significative sur le plan opérationnel que le déchiffrement du contenu de sa transmission, car elle révèle les mouvements, la disposition des forces et l'association entre émetteurs qui définit la signature électronique d'une unité. Le SEI s'inscrit ainsi dans la l'architecture globale de la plateforme SIGINT comme la couche qui transforme les interceptions anonymes en entités suivies et nommées dans l'ordre de bataille électronique.

Intégrer le SEI dans une plateforme signifie traiter la bibliothèque d'empreintes comme un actif de données de premier plan : versionné, contrôlé en accès et auditable, avec chaque enrôlement et chaque correspondance enregistrés. Cela signifie également accepter que le SEI est une discipline avec humain dans la boucle — la machine classe et signale, mais une identification confiante qui oriente les décisions opérationnelles doit porter derrière elle l'adjudication d'un analyste.