본 논문은 무인 항공기(UAV) 식별 및 보안을 위한 도메인 불변 심층 학습 접근 방식인 CrossRF를 제시합니다. 기존의 무선 주파수(RF) 지문 인식 기술은 다른 전송 채널에서 작동할 때 성능 저하가 심각한 문제점을 가지고 있는데, CrossRF는 적대적 학습을 사용하여 다양한 RF 채널 간의 도메인 격차를 최소화함으로써 채널 변화에도 일관된 식별 성능을 유지하는 강력한 모델을 훈련합니다. 실제 환경의 UAVSig 데이터셋을 사용하여 실험을 진행하였으며, 채널 3에서 채널 4로 적용 시 최대 99.03%의 정확도를 달성하여 기존 방법(26.39%)보다 훨씬 우수한 성능을 보였습니다. 다중 채널 시나리오에서도 87.57%의 정확도와 컨트롤러 분류에서 89.45%의 정확도 및 0.9의 정밀도를 달성하였습니다. CrossRF는 최소한의 훈련 데이터로 높은 식별 정확도를 유지하면서 채널 변화로 인한 성능 저하를 크게 줄일 수 있어 실제 드론 보안 응용 프로그램에 적합합니다.
