수신기 무관 라디오 주파수 지문 식별을 위한 주파수 영역 나눔 기반 방법

초록

본 논문은 Wi‑Fi 전송 프레임의 프리앰블을 주파수 영역에서 나누어 수신기 특성을 제거하고, 단일 수신기만으로 고차원 라디오 주파수 지문(RFF) 특징을 추출하는 방법을 제안한다. 평탄 페이딩과 주파수 선택 페이딩 두 환경에서 각각 L‑STF/L‑LTF와 HT‑LTF/L‑LTF를 이용한 나눔을 적용해 채널·수신기 영향을 억제하고, 실험을 통해 기존 기법 대비 15.5%·28.45% 높은 분류 정확도를 확인하였다.

상세 분석

이 연구는 물리계층 보안에서 핵심적인 라디오 주파수 지문(RFF) 식별이 수신기 차이에 의해 크게 저하되는 문제를 해결하고자 한다. 기존 접근법은 다중 수신기에서 데이터를 수집하거나 새로운 수신기에 대해 별도의 캘리브레이션을 수행해야 하는데, 이는 데이터 수집 비용과 배포 지연을 초래한다. 저자는 이러한 한계를 극복하기 위해 ‘주파수 영역 나눔(division)’이라는 간단하지만 효과적인 신호 처리 기법을 도입한다.

먼저 평탄 페이딩 채널에서는 전송기의 레거시 짧은 트레이닝 필드(L‑STF)와 레거시 긴 트레이닝 필드(L‑LTF)를 각각 동일한 레퍼런스 디바이스의 대응 프리앰블과 주파수 도메인에서 나눈다. 이 연산은 수신기와 채널에 의해 동일하게 적용되는 복소수 스케일링을 상쇄시켜, 수신기 의존성을 제거한다. 나눔 결과는 12개의 서브캐리어(L‑STF)와 52개의 서브캐리어(L‑LTF)에서 각각 고차원 복소수 벡터를 생성하므로, 기존 12차원에 머물던 특징보다 풍부한 정보를 제공한다.

주파수 선택 페이딩 상황에서는 L‑LTF만으로는 채널 왜곡을 완전히 보정할 수 없으며, 고처리량 긴 트레이닝 필드(HT‑LTF)를 활용한다. HT‑LTF는 54개의 서브캐리어를 포함하고, 동일한 프레임 내에서 L‑LTF와 비교함으로써 채널 주파수 응답을 자체적으로 정규화한다. 이 경우 별도의 레퍼런스 디바이스가 필요 없으며, 단일 수신기에서 수집된 데이터만으로도 채널·수신기 무관한 RFF를 추출한다.

핵심 이론적 근거는 두 프리앰블이 동일한 채널을 통과한다는 가정 하에, 복소수 전송·수신·채널 응답이 곱셈 형태로 결합된다는 점이다. 따라서 두 신호를 나누면 채널·수신기 응답이 소거되고 순수한 트랜스미터 고유 특성만 남는다. 저자는 이를 FFT 기반으로 구현하고, 신호 검출·동기화·CFO 보정 과정을 거쳐 잡음을 최소화한다.

실험에서는 상용 Wi‑Fi 라우터와 여러 스마트폰을 대상으로 평탄 및 다중 경로 환경을 재현했으며, 단일 수신기(USRP)에서 수집한 데이터를 학습·테스트에 사용하였다. 분류기에는 InceptionTime 기반 딥러닝 모델을 적용했으며, 기존 CNN·Random Forest 기반 방법에 비해 정확도가 크게 향상되었다. 특히 수신기를 교체했을 때도 98.47%·94.91%의 높은 정확도를 유지해, 제안 기법이 실제 배포 환경에서도 견고함을 입증한다.

이 논문의 기여는 (1) 수신기와 채널 영향을 수학적으로 소거하는 간단한 나눔 연산을 제시, (2) 고차원 RFF 특징을 손쉽게 추출해 분류 성능을 크게 개선, (3) 레퍼런스 디바이스·다중 수신기·캘리브레이션 없이도 실시간 적용 가능하도록 설계했다는 점이다. 다만, 프리앰블이 손상되거나 비동기화된 경우 나눔 연산이 불안정해질 수 있으며, 고속 이동 환경에서 채널 일관성이 깨질 경우 추가 보정이 필요할 수 있다. 향후 연구에서는 동적 채널 추정과 결합한 적응형 나눔, 그리고 오픈셋 식별을 위한 임계값 설정 방법을 탐색할 여지가 있다.