WiSig

WiSig是由加州大学洛杉矶分校电气与计算机工程系创建的大型WiFi信号数据集，包含1000万个数据包，由174个市售WiFi发射器和41个USRP接收器在一个月内进行四次捕获。该数据集旨在支持无线通道和接收器无关的射频指纹识别研究，通过提供预处理的数据子集和相关脚本，使得数据更易于使用。WiSig数据集的应用领域包括无线网络安全，特别是通过射频指纹识别技术提高无线网络的安全性，解决传统认证方法的局限性。WiSig is a large-scale WiFi signal dataset created by the Department of Electrical and Computer Engineering at the University of California, Los Angeles. It contains 10 million data packets, which were captured four times within one month using 174 commercially available WiFi transmitters and 41 USRP receivers. This dataset aims to support research on wireless channel and receiver-agnostic radio frequency fingerprinting, and it is made more accessible by providing preprocessed data subsets and related scripts. The application fields of the WiSig dataset include wireless network security, specifically improving the security of wireless networks via radio frequency fingerprinting technology to address the limitations of traditional authentication methods.

搜集汇总

数据集介绍

构建方式

WiSig数据集的构建是通过在一个月的四个不同时间点，使用174个现成的WiFi发射器和41个USRPN210接收器进行信号捕获。每个WiFi发射器发送数据到WiFi接入点（AP），而所有USRPN210接收器则连续捕获整个传输期间的原始IQ样本，包括空闲时间。捕获的数据随后被处理，以创建可以直接用作分类器输入的识别（Id）信号。这些Id信号包括未经过进一步处理的每个数据包的前256个IQ样本，以及使用WiFi前导码进行均衡后提取的前256个IQ样本。为了方便用户，数据集还提供了四个预包装的子集，每个子集都针对不同的使用案例进行了优化。

特点

WiSig数据集的特点在于其规模之大，包含了从174个WiFi发射器和41个USRPN210接收器捕获的超过1000万个数据包。数据集不仅提供了原始捕获数据，还包括了方便使用的预处理的子集，以及用于处理原始信号的脚本和示例。此外，WiSig数据集的不平衡性也是一个显著特点，即不是所有发射器-接收器对都有相同数量的信号。这种不平衡性使得用户可以根据需要选择数据集的子集，从而提高训练和测试的效率。

使用方法

WiSig数据集的使用方法包括以下步骤：首先，用户需要从提供的预包装子集中选择一个适合其需求的子集。然后，用户可以使用提供的脚本处理这些子集，以创建自定义的数据集。在处理过程中，用户可以选择是否对信号进行均衡。之后，用户可以使用处理后的数据训练一个分类器，并使用相同的数据集或不同的数据集对其进行评估。此外，用户还可以使用数据集中的位置信息进行定位研究。WiSig数据集的公开可用性使其成为研究发射器指纹识别的理想工具，同时也为无线网络的安全性和性能改进提供了新的研究方向。

背景与挑战

背景概述

WiSig数据集是由Samer Hanna, Samurdhi Karunaratne和Danijela Cabric等研究人员于2022年1月创建的，旨在为无线频谱指纹识别提供大规模的WiFi信号数据集。该数据集包含从174个现成的WiFi发射器和41个USRP接收器捕获的1000万个数据包，跨越了四个月的时间。WiSig数据集的创建旨在解决无线频谱指纹识别领域中的挑战，即发射器的身份识别受到无线信道和接收器电路的影响，导致额外的失真，这些失真会混淆发射器的身份识别。WiSig数据集的创建为研究和开发无线频谱指纹识别技术提供了重要的数据支持，并对无线网络安全领域产生了积极的影响。

当前挑战

WiSig数据集面临的挑战主要包括：1)发射器身份识别的挑战：由于无线信道和接收器电路的影响，发射器的身份识别会受到额外的失真，这些失真会混淆发射器的身份识别。2)构建数据集的挑战：在构建WiSig数据集的过程中，研究人员需要克服数据采集、信号提取和数据集组装等方面的技术难题。此外，由于数据集规模庞大，如何有效地管理和利用这些数据也是一个挑战。

常用场景

经典使用场景

WiSig数据集主要用于研究无线电指纹识别技术，特别是针对发射器和通道不可知的情况。该数据集包含从174个商用WiFi发射器发送的1000万个数据包，由41个USRPs接收器在一个月内捕获。WiSig数据集的典型使用场景包括发射器识别、无线网络安全增强、以及无线设备定位。通过分析WiFi信号中的细微差异，研究人员可以开发出能够准确识别发射器的系统，从而提高无线网络的安全性。

衍生相关工作

WiSig数据集的发布促进了无线电指纹识别领域的研究进展，衍生出了一系列经典的工作。例如，一些研究利用WiSig数据集评估了不同数量的发射器、接收器、天数和信号对分类准确率的影响，并提出了改进发射器识别性能的方法。此外，WiSig数据集还被用于研究发射器识别在通道和接收器不可知情况下的性能，以及发射器识别在实际应用场景中的可行性。这些研究工作为无线电指纹识别技术的发展提供了重要的理论基础和实践经验。

数据集最近研究

最新研究方向

WiSig数据集提供了大规模WiFi信号数据，用于研究射频指纹识别，该技术在无线网络安全领域具有重要意义。该数据集包含了从174个现成的WiFi发射器和41个USRP接收器捕获的1000万个数据包，跨越了一个月的时间。WiSig数据集的最新研究方向主要集中在实现信道和接收器无关的发射器指纹识别，即消除信道和接收器电路的影响，以便更准确地识别发射器。此外，研究还关注如何通过数据驱动的方法来评估和消除这些影响，以改善训练分类器的性能。WiSig数据集为开发和应用这些方法提供了数据支持，有望推动射频指纹识别技术的发展。

相关研究论文

• WiSig: A Large-Scale WiFi Signal Dataset for Receiver and Channel Agnostic RF Fingerprinting

  加州大学洛杉矶分校电气与计算机工程系 · 2022年