信息化社会对信息安全提出了越来越高的要求,光接入网技术作为连接用户与骨干网的“最后一公里”中的关键技术,其安全性成为了研究的热点与重点。硬件指纹作为一种物理层设备信息,具有唯一性、难以伪造性及广泛存在于各种硬件设备中等优良特性,因此基于硬件指纹的身份认证技术具有较高安全性。与此同时,相较于其他物理层身份认证技术,硬件指纹技术不需要设计复杂的安全算法或特定的加密策略,这使得基于硬件指纹的身份安全技术更易于实现。然而,已有的针对光接入网物理层硬件指纹的相关研究较少。本文即对此研究,设计并验证了相关硬件指纹提取识别方法。论文主要研究成果如下:（1）针对已有算法需要基于正交频分复用信号导频进行特征提取且复杂度较高的问题,提出了一种基于信道噪声模型的硬件指纹特征提取方法,并将该算法应用于正交频分复用无源光网络中光网络单元指纹特征的提取,再进一步利用卷积神经网络对所提取的特征进行分类识别,成功实现了无需导频辅助的硬件指纹身份认证,且与已有方法相比,识别准确率更高:对合法终端识别准确率为99.25%,对非法终端识别准确率为100%。（2）已有研究仅实现了基于正交频分复用信号的硬件指纹提取和识别,本文基于小波分解与重构特征提取算法对二进制振幅键控信号所携带的指纹特征进行提取,并验证其有效性。本文从样本数据量、小波分解与重构方式、小波母函数、待识别终端个数及光纤信道传输五个方面进行实验,研究了识别率受上述因素影响的规律。