一种基于激光器相对强度噪声指纹的动态认证方法与流程

本发明涉及光通信物理层安全，特别涉及一种基于激光器相对强度噪声指纹的动态认证方法。

背景技术：

1、当前光电终端设备的身份认证体系主要基于rsa、ecc、aes等对称/非对称数字加密方法构建，其安全性完全依赖数学计算复杂度。随着量子计算技术的快速发展，该类方法面临被shor方法快速破解的根本性威胁，且密钥在分发、存储、传输的全生命周期中始终存在被窃取、篡改、逆向破解的风险。

2、物理不可克隆函数（physical unclonable function, puf）技术利用硬件制造过程中天然形成的纳米级随机差异，生成与硬件深度绑定的身份指纹，其中光学puf凭借高熵值、抗电磁干扰等优势成为研究热点，但现有技术普遍依赖特殊微纳结构或散射介质设计，需对硬件进行特殊改性加工，存在制备工艺复杂、硬件成本高、静态特征易被重放攻击、环境鲁棒性不足等技术问题。

技术实现思路

1、本发明的目的在于解决现有数字加密认证体系依赖数学计算复杂度而面临量子破解风险与密钥泄露隐患，现有物理层认证方案因依赖特殊结构导致硬件成本高、静态特征易被重放攻击且环境鲁棒性不足的技术问题，提供一种基于激光器相对强度噪声指纹的动态认证方法。

2、为了实现上述发明目的，本发明实施例提供了以下技术方案：

3、一种基于激光器相对强度噪声指纹的动态认证方法，包括注册标定阶段和动态认证阶段；

4、所述注册标定阶段包括以下子步骤：

5、获取合法且待测的半导体激光器的偏置电流采样点，利用偏置电流采样点采集半导体激光器的时域相对强度噪声信号，对时域相对强度噪声信号进行预处理，获得纯净的时域相对强度噪声信号；

6、通过纯净的时域相对强度噪声信号获得时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集，将时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集集成获得注册特征向量；

7、对注册特征向量的每个特征分量进行序列转换，获得注册标定阶段二进制比特序列，通过安全草图方法处理注册标定阶段二进制比特序列和公共辅助数据，获得密钥比特序列，对密钥比特序列进行哈希压缩获取与偏置电流绑定的注册密钥；

8、所述动态认证阶段包括以下子步骤：

9、将待测的半导体激光器发起认证请求后，通过随机生成的偏置电流挑战序列获得动态特征向量和动态密钥，将动态特征向量和对应的注册特征向量进行校验，将动态密钥和对应的密钥进行校验，当所有双维度校验通过时，待测的半导体激光器为合法设备，认证通过，否则待测的半导体激光器为非法设备，认证失败。

10、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述获取合法且待测的半导体激光器的偏置电流采样点，利用偏置电流采样点采集半导体激光器的时域相对强度噪声信号，对时域相对强度噪声信号进行预处理，获得纯净的时域相对强度噪声信号包括以下子步骤：

11、标定合法且待测的半导体激光器的阈值电流和最大额定工作电流，利用阈值电流和最大额定工作电流获取偏置电流的动态调制范围，在动态调制范围内等间隔选取多个偏置电流采样点，集成为标定采样序列；

12、通过每个偏置电流采样点驱动半导体激光器稳定工作，采集半导体激光器的时域相对强度噪声信号；

13、对时域相对强度噪声信号进行预处理，获得纯净的时域相对强度噪声信号；所述预处理包括去除直流分量、滤除低频漂移与高频杂波、野值剔除、滑动平滑去噪。

14、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述通过纯净的时域相对强度噪声信号获得时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集，将时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集集成获得注册特征向量包括以下子步骤：

15、通过时域相对强度噪声信号获得自相关函数，利用自相关函数提取时域自相关特征子集；

16、通过时域相对强度噪声信号获得相对强度噪声功率谱密度，利用相对强度噪声功率谱密度提取频域功率谱特征子集；

17、通过时域相对强度噪声信号获得三阶积累量和四阶积累量，利用三阶积累量和四阶积累量提取高阶统计量特征子集；

18、将时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集集成，获得注册特征向量。

19、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述通过时域相对强度噪声信号获得自相关函数，利用自相关函数提取时域自相关特征子集包括以下子步骤：

20、基于当前时刻的时域相对强度噪声信号和时间延迟量下的时域相对强度噪声信号，获得自相关函数；

21、通过自相关函数的数值曲线提取时域自相关特征子集；所述时域自相关特征子集包括自相关函数峰值、峰值对应延迟时间、半高全宽、主峰衰减系数和旁瓣峰值比。

22、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述通过时域相对强度噪声信号获得相对强度噪声功率谱密度，利用相对强度噪声功率谱密度提取频域功率谱特征子集包括以下子步骤：

23、基于韦尔奇法对时域相对强度噪声信号进行功率谱估计，获得相对强度噪声功率谱密度；

24、通过相对强度噪声功率谱密度提取频域功率谱特征子集；所述频域功率谱特征子集包括特征频段功率谱积分值、谱斜率、峰值频率、谷值频率、带内功率波动方差和谐波失真。

25、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述对注册特征向量的每个特征分量进行序列转换，获得注册标定阶段二进制比特序列，通过安全草图方法处理注册标定阶段二进制比特序列和公共辅助数据，获得密钥比特序列，对密钥比特序列进行哈希压缩获取与偏置电流绑定的注册密钥包括以下子步骤：

26、对注册特征向量的每个特征分量进行自适应间隔量化，获得注册标定阶段二进制比特序列；

27、通过安全草图的生成方法处理注册标定阶段二进制比特序列，获得公共辅助数据，利用公共辅助数据和安全草图的恢复方法纠错注册标定阶段二进制比特序列，获得密钥比特序列；

28、对密钥比特序列通过sha-3方法进行哈希压缩，获得与偏置电流绑定的注册密钥。

29、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述将待测的半导体激光器发起认证请求后，通过随机生成的偏置电流挑战序列获得动态特征向量和动态密钥，将动态特征向量和对应的注册特征向量进行校验，将动态密钥和对应的密钥进行校验，当所有双维度校验通过时，待测的半导体激光器为合法设备，认证通过，否则待测的半导体激光器为非法设备，认证失败包括以下子步骤：

30、待测的半导体激光器发起认证请求，认证端从动态调制范围中通过真随机数发生器随机生成不重复的多个偏置电流挑战点，集成为偏置电流挑战序列；

31、通过每个偏置电流挑战点驱动半导体激光器稳定工作，采集半导体激光器的时域相对强度噪声信号，对时域相对强度噪声信号进行预处理，获得纯净的时域相对强度噪声信号；

32、通过纯净的时域相对强度噪声信号获得时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集，将时域自相关特征子集、频域功率谱特征子集和高阶统计量特征子集集成获得动态特征向量；

33、对动态特征向量的每个特征分量进行序列转换，获得动态认证阶段二进制比特序列，通过安全草图方法处理动态认证阶段二进制比特序列和公共辅助数据，获得密钥比特序列，对密钥比特序列进行哈希压缩获取与偏置电流绑定的动态密钥；

34、调用和每个偏置电流挑战点一一对应的注册特征向量和注册密钥，进行特征相似度和密钥一致性的双维度对比校验，若双维度对比校验通过，则认证通过，否则认证失败。

35、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述调用和每个偏置电流挑战点一一对应的注册特征向量和注册密钥，进行特征相似度和密钥一致性的双维度对比校验，若双维度对比校验通过，则认证通过，否则认证失败包括以下子步骤：

36、通过余弦相似度处理动态特征向量和注册特征向量，获得特征向量相似度；

37、通过汉明距离方法处理动态密钥和注册密钥，获得比特错误率；

38、若所有的特征向量相似度超过相似度阈值且比特错误率小于比特错误率阈值，则待测的半导体激光器为合法设备，认证通过，否则待测的半导体激光器为非法设备，认证失败，触发安全告警机制。

39、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，还包括将激光器唯一id、偏置电流、注册特征向量、注册密钥进行加密绑定存储至相对强度噪声标准加密指纹库，所述相对强度噪声标准加密指纹库通过自主学习更新机制更新数据。

40、进一步的，一种基于激光器相对强度噪声指纹的动态认证方法，所述自主学习更新机制包括以下子步骤：

41、当认证通过后，将认证提取的动态特征向量和动态密钥，通过滑动窗口加权平均与对应的注册特征向量和注册密钥进行平滑更新；

42、设定定期重标定周期，每间隔定期重标定周期，对半导体激光器重新进行注册阶段步骤，更新相对强度噪声标准加密指纹库。

43、与现有技术相比，本发明的有益效果为：本发明首次建立相对强度噪声功率谱密度与频率、偏置电流的三维非线性映射模型，突破现有固定偏置电流的静态提取局限，充分挖掘激光器相对强度噪声全工作区的唯一性特征，熵值较现有静态方案大幅提升；基于真随机偏置电流挑战序列构建一次一密的动态认证体系，每次认证的挑战序列无重复、不可预测，可完全抵御重放攻击，攻击者无法通过有限采样复刻全范围非线性响应特性；采用时域自相关+频域功率谱+高阶统计量的多维度特征融合，在宽温、宽电压波动范围内仍保持高认证准确率；不依赖基于数学复杂度的传统数字加密体系，直接以半导体激光器光电转换过程中固有的相对强度噪声为熵源，构建物理层安全认证体系，无任何可被量子计算破解的数学环节，从物理底层实现抗量子攻击；本发明可直接适配标准半导体激光器，无需对激光器进行任何结构改性与特殊制备，硬件零额外成本。