Tampereen yliopiston yhteistyössä tekemä IoT-turvallisuustutkimus IEEE Signal Processing Societyn 25 ladatuimman artikkelin joukkoon

Fyysisen kerroksen sormenjälkitunnistus perustuu siihen, että jokaisella elektronisella lähettimellä on pieniä laitteistokohtaisia ominaispiirteitä, jotka jättävät yksilöllisen leiman sen tuottamaan radiosignaaliin. Sormenjäljen tavoin tätä leimaa voidaan käyttää laitteiden erottamiseen toisistaan. Käytännössä menetelmä voi tarjota lisäkeinon todentaa suuria määriä vähävirtaisia IoT-laitteita, kuten älykkäitä energiamittareita, ympäristösensoreita ja teollisuuden valvontalaitteita. Tunnistamalla laitteet niiden radiosormenjälkien perusteella fyysisen kerroksen tunnistus voi täydentää perinteisiä tietoturvaratkaisuja ja auttaa havaitsemaan laitteita, jotka yrittävät esiintyä luvallisina lähettiminä. 

"Radiotaajuinen sormenjälkitunnistus tarjoaa huomattavia mahdollisuuksia langattomien verkkojen nykyisten tietoturva- ja todennusmekanismien tehostamiseen ja täydentämiseen", toteaa tutkimuksen kirjoittajiin kuuluva professori Mikko Valkama Tampereen yliopistosta. 

Korkea tunnistustarkkuus mittavassa koejärjestelyssä 

Tutkimuksessa analysoidaan lähetin- ja vastaanotinlaitteistojen ketjuja keskeisten fyysisten tunnisteiden erottamiseksi. Kansainvälinen tutkijatiimi kehitti ja arvioi konvoluutioneuroverkkoa hyödyntäen raakoja IQ-näytteitä. Tutkimuksessa yhdistettiin järjestelmätason simulaatioita kolmen kuukauden pituiseen kokeelliseen mittauskampanjaan, jossa käytettiin LoRa-radiolaitteistoa. 

Luokittelumalli saavutti 99,0 prosentin tunnistustarkkuuden 50 laitteen joukossa ja 89,3 prosentin tarkkuuden 200 laitteen joukossa simuloiduissa olosuhteissa 20 dB:n signaali-kohinasuhteella. Huomionarvoista on tutkimuksen havainto siitä, että kantoaaltotaajuuden poikkeama ei ole luotettava sormenjälki edullisille laitteistoille, koska se voi vaihdella ennustamattomasti lämpötilan mukaan. Sen sijaan tutkijat suosittelevat kantoaaltotaajuuden poikkeaman kompensointia ja vastaanottimen IQ-epätasapainon kalibrointia kestävämpiä RFFI-järjestelmiä suunniteltaessa. 

"Keskeisiä tutkimusmahdollisuuksia on kuitenkin edelleen käytännön RFFI-järjestelmien riippuvuuden vähentämisessä suurista määristä leimattua RF-dataa sekä suorituskyvyn parantamisessa haastavissa olosuhteissa, kuten kanavan ja vastaanottimen vääristymissä", Valkama lisää. 

Artikkeli "Radio Frequency Fingerprint Identification for Narrowband Systems, Modelling and Classification" on laajan kansainvälisen yhteistyön tulos, johon osallistui tutkijoita Liverpoolin yliopistosta, Queen's University Belfastista, Toshiba Research Europesta, Ricen yliopistosta sekä Tampereen yliopistosta. Vuonna 1948 IEEE:n ensimmäisenä teknisenä seurana perustettu IEEE Signal Processing Society kattaa noin 25 000 jäsenen globaalin yhteisön ja hallinnoi johtavia tiedejulkaisuja signaalinkäsittelyn algoritmien ja sovellusten alalla.