随着无线通信网络带来的信息安全问题不断涌现，尤其是用户身份假冒、重放攻击和设备克隆等问题。近年来各国发生的攻击事件（如通过智能数据攻击导致电网发生切负荷、线路过载断线、连锁故障等）也逐步将电网在信息安全方面存在的各种隐患暴露出来。如何准确地识别和认证物联对象是电力物联网面临的首要问题，也是电力物联网应用的基础。电力物联网非法接入设备的数据攻击将对整个网络造成严重的干扰与威胁，仅依靠传统的应用层密码认证方法难以保证通信系统的安全，因此设计有效的物理层认证系统具有重要意义。
电子信息学院李靖超团队在上海市自然科学基金、国家自然科学基金等项目的资助下，将物联网终端设备发射的电磁波信号所携带的固有的、本质的无意调制信息，作为物联设备可识别的“基因”特征，通过差分等势星球图的有效特征提取方法，构建了设备
基因
特征的精细画像数据库，将一维射频信号特征集转化为二维数字图像集，并采用深度卷积神经网络对提取的射频基因精细画像进行智能识别，实现了物联网物理层终端设备的可靠识别与认证。
(a) WiFi
网卡设备
#20
(b) WiFi
网卡设备
#10
(c) WiFi
网卡设备
#17
认证识别流程图
差分等势星球图
作为
物联设备可识别
特征具有更好的
鲁棒性
，即使不估计和补偿接收机的载频偏差和相位偏差，也可以获得通信辐射源（发射机）的可靠的射频基因特征，基于所提出方法的识别成功率可达到
98.6%
。
相关成果近期发表在《
Energy Science & Engineering
》和《
Energy Reports
》等国际期刊上，同时申请软件著作权
3
套。（供稿：科技处）
