近年来,随着无线通信技术的不断升级,万物互联不断推进,尤其是随着5G技术商用化推广的开始,5G技术在日常生活与生产中的应用越来越广泛,信息的融合交互不断增加,通信技术尤其是无线通信对人们的日常生活与社会生产造成的影响也日益增大,通信的安全于人们的生活甚至是国家社会的发展有着日益紧密的联系,如何在无线通信中保障信息安全的问题受到了人们的广泛关注,无线通信的安全方法也日益成为人们重点关注的对象。同时,由于资源的限制,利用物理层信道特征生成密钥从而实现保密通信的技术成为保障无线通信安全的重要方法之一。本文在典型被动窃听模型的基础上,针对利用物理层无线信道特征的密钥生成机制展开研究,就特征量化过程中信道信息利用不完全导致的密钥生成过程中密钥一致性与生成速率矛盾性的问题,结合机器学习中的聚类算法,利用K-Means聚类进行信道特征量化,优化基于信道特征的密钥生成方法,在保证密钥生成速度的基础上,提高初始生成密钥的匹配性,减少密钥生成后续步骤中通信双方的交互。针对密钥生成中特征量化数据量较大造成计算量大的问题和K-Means聚类算法中初始聚类中心的选择不同会导致聚类效果不同影响密钥一致性的问题,对利用机器学习的密钥生成方法做了如下改进:(1)在量化之前利用PCA对信道特征进行预处理,以达到降维的目的,减小数据量,并根据K-Means聚类量化中聚类中心分布的特点对其进行改进,实现快速聚类,从而提高密钥生成速率;(2)将二分K均值聚类算法应用于密钥生成的特征量化之中,避免因初始聚类中心的选择对最终密钥一致性的影响,优化基于信道特征的密钥生成方法,提高初始密钥的一致性。