PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.09760v1eess.SP

물리 정보 기반 구조 앵커링과 캡처 인식 프로토타입 교정을 통한 교차 환경 RF 핑거프린팅

Physics-Informed Structure Anchoring With Capture-Aware Prototype Calibration for Cross-Environment RF Fingerprinting

무선 주파수 핑거프린트 식별(RFFI)은 송신기 고유의 하드웨어 불완전성을 사물인터넷(IoT) 기기의 물리 계층 신원 단서로 활용하지만, 심층 RFFI 모델은 수집 환경이 바뀔 때 성능이 저하되는 경우가 많다. 다중 안테나 수신 환경에서 이러한 성능 저하는 단순한 일반적 분포 이동에 그치지 않는다. 이는 수신기 배열 위상, 주파수 오프셋 동역학, 캡처 의존적 목표 구조에도 영향을 받으며, 임베딩을 왜곡하고 소스 도메인에서 학습된 결정 경계를 이동시킬 수 있다. 본 논문은 소스 표현 앵커링과 고정 백본 기반 타겟 교정을 분리하는 프레임워크인 물리 정보 기반 구조 앵커링 및 캡처 인식 프로토타입 교정(PISA-CAPC)을 제안한다. 표현 단계에서는 위상 그래프로 안테나 토큰을 구성하고, CFO에서 도출된 수집 동역학 디스크립터를 이용하여 그래프를 변조한다. 이후 신원 표현 주변에 경계 있는 문맥적 잔차 억제를 적용한다. 배포 시, 비레이블 캡처 인식 프로토타입 교정(U-CAPC)은 고정된 표현 하에서 캡처 로컬 프로토타입 증거를 통해 타겟 결정 점수를 교정함으로써, 타겟 도메인 백본 업데이트나 타겟 레이블 없이 결정 경계 이동을 완화한다. 10개 송신기 다중 안테나 WiFi 벤치마크 실측 데이터에서 PISA-CAPC는 균형 트랜스덕티브 설정 하에 타겟 도메인 평균 Macro-F1 0.9257을 달성한다. 절제 실험을 통해 위상 유도 구조 앵커링, 문맥적 잔차 억제, 캡처 인식 교정이 각각 상호 보완적인 성능 향상에 기여함을 확인하였다. 이러한 결과는 PISA-CAPC가 물리적으로 동기화된 표현 학습과 레이블 없는 캡처 인식 결정 교정을 결합하여 교차 환경 RFFI를 위한 고정 백본 방식으로서의 가능성을 입증한다.

arXiv:2606.12718v1cs.LG

개방형 RF 지문 인식을 위한 분포 외(OOD) 탐지기

Out-of-Distribution (OOD) Detectors for Open-Set RF Fingerprinting

RF 지문 인식(RFF)의 개방형 환경 문제를 해결하기 위해 정보 이론 기반의 통합된 프레임워크를 통해 분포 외(OOD) 탐지 방법을 도입하고, OOD 튜닝 데이터 없이도 최적화가 가능한 방법을 제안합니다. POWDER 데이터셋에서의 평가 결과, 제안된 방법이 OOD 데이터 없이도 실제 OOD 데이터를 사용한 기준선과 유사한 성능을 보임을 확인했습니다.