无线网络是国家重要信息基础设施,广泛应用于各个重大行业。无线信道具有广播和开放的特性,导致信息在无线网络传输过程中面临各种安全威胁。传统无线网络中的安全机制主要应用密码学方法,通过在通信实体间共享秘密信息(密钥),从而实现加密认证等机制来保证网络层及上层的通信安全。近年来,物联网(IoT)和第五代通信(5G)为首的新技术和应用不断涌现,改变了无线网络的部署方式:网络节点的数量不断增加,体积不断减小,移动性和分布性特征日趋明显。这些新的特征不但增加了密钥分发和管理的难度,同时也提高了网络节点受到物理攻击导致秘密信息被窃取的风险。因此,基于秘密信息共享的密码学方法已经无法满足需要,无线网络安全面临新的严峻挑战。物理层安全技术是一种新的安全技术,作为基于密码学的安全技术的一种补充,主要使用物理信道或者物理设备的物理特征来实现保密通信或者设备认证等安全机制。由于这些特征主要来自于周围的环境或生产过程,具有随机性,难以伪造和篡改,可唯一标识设备。本文主要研究物理层认证技术,以无线发送设备的射频缺陷指纹特征为依据,实现对信息源的验证,从而发现设备伪造攻击,提高网络安全性能。针对无线射频指纹特征关联度低、稳定性差的问题,本文聚焦无线设备物理层特征融合与内生身份构建技术,旨在通过无线设备物理层特征的提取融合、分析拟合、关联挖掘,实现终端设备内生身份构建与物理层快速身份认证,确保无线收发设备身份的真实性。主要研究内容如下:针对无线设备物理层特征差异性小、信道特征环境影响随机,难以满足物理层身份的高精度、持续稳定的安全需求,本文采用特征融合思想,提出基于调制解调信号误差向量的物理层特征融合方法;应用AMRA模型对融合特征的稳定性进行验证,提出基于ARMA模型拟合参数的临时身份构建方法,解决现有物理层临时通讯身份认证过程中物理层特征不稳定的问题,实现物理层多特征融合与重构,提高无线设备临时身份的可区分度和稳定性;实验结果表明,基于临时身份的物理层认证,设备区分识别度最高达到95%。针对长期通讯过程中无线设备原器件老化导致设备身份特征变化问题,采用神经网络深度学习思想,结合无线设备内生融合特征序列的长期非线性特征,提出基于MP神经元模型的多内生融合特征拟合方法;基于LSTM神经网络,提出多拟合模型的组合关联分析方法,实现长短期内生融合特征非线性关系的深度挖掘;应用LSTM细胞门权重矩阵向量,构建设备全局长期内生身份和本地短期内生身份。针对无线自组网络群组认证密钥交换的泄漏攻击问题,采用物理层无密钥身份认证思想,结合全局长期身份和本地短期身份模型,设计基于物理层融合特征内生身份表征序列相关度匹配无密钥认证协议,解决被动密钥身份泄露攻击问题,实现了无线自组网络长期无密钥物理层身份认证。实验结果表明,本文所提身份构建方法和认证协议身份识别率≥99%。最后,设计并实现了基于IEEE 802.11协议的无线设备内生特征采集平台,结合无线设备物理层特征融合方法和内生身份模型构建方法,将本文提出的无线设备内生融合特征身份应用到该平台中,并通过实验验证了融合特征序列的稳定性和物理层无密钥内生身份认证方法的可行性。