有线网卡指纹提取与识别方法研究

• 作 者: 虞正平
• 出 处: 东南大学
• 发表日期: 2019年01期
• 关键词: 物理层安全 网卡指纹 接入控制

当前,网络已成为人类生活中不可缺少的一部分,而对接入设备身份进行认证是保障网络安全的重要组成部分。MAC地址认证和数字证书认证是目前主流的接入认证方式。然而,这两种基于软件层面的认证方式都存在一定缺陷:MAC地址容易被伪造和篡改,存在安全风险;数字证书虽然相对不易仿造,但需要安装客户端软件或硬件支持,使用起来并不方便。因此,本文从硬件层面,研究了从网卡信号中提取身份认证信息(网卡指纹)并进行识别的方案。目前,相关研究工作在国内还未见先例。而国外的研究大多存在两个问题,一是实验样本量低,结果代表性不足;二是抓取的硬件特征区分度还不高,指纹识别准确率较低。针对以上不足,本文将参与实验的网卡数量提升至100张,涵盖当前主流的各个品牌,并大量使用硬件特征相似的同一厂商同一批次网卡进行测试;同时提出了三种新颖的网卡指纹提取方法,并采用机器学习与神经网络等算法对提取的指纹进行训练与识别。本文的主要工作如下:1.研究了网卡指纹的产生机理、有线网络的相关数据传输协议,并设计了一种网卡信号采集方案,能够对有线网络中基于10Base-T协议传输的信号进行有效采集。2.研究了网卡信号符号间电平轨迹变化特征,提出了“符号差分星座轨迹图”的网卡指纹提取方法,并使用深层神经网络对采集指纹进行训练,所获分类器在20张网卡的数据集上误识别率为0.02%,在100张网卡数据集上误识别率为0.16%。3.研究了网卡信号传输时具有的频偏、幅度等统计特征,提出了“信号统计特征向量集”的网卡指纹提取方法,并使用朴素贝叶斯算法对采集指纹进行训练,所获分类器在20张网卡的数据集上误识别率为0.05%,在100张网卡数据集上误识别率为0.26%。4.针对网卡信号在低采样率条件下采集时的特点,提出了“信号幅度分布直方图”的网卡指纹提取方法,该方法不需要进行信号解码,实现成本低,并使用支持向量机算法对采集指纹进行训练,所获分类器在10张网卡的数据集上误识别率为0.97%。5.设计了一种基于网卡指纹的接入控制方案,包括信号采集模块、指纹提取模块、指纹识别模块和接入控制模块,能够自动获取终端的网卡指纹并作为接入内部网络的判决依据。