무선주파수 지문(RFF)은 송신기 고유의 하드웨어 결함으로 기기 인증을 가능케 하지만, 실제 배포에는 환경 간 오픈셋 인식이 필요하다. 데이터 증강은 환경 일반화를 개선하지만 분산되고 신뢰도 낮은 기지 클래스 표현을 만들어 OpenMax가 사용하는 클래스 통계를 왜곡할 수 있다. 연구진은 중심 제약 학습과 신뢰도 기반 테일 모델링을 결합한 개선된 OpenMax 프레임워크 C²T-OpenMax를 제안했다. 전자는 클래스 내 응집도를 높여 거리 기반 모델링에 적합한 표현을 만들고, 후자는 정확히 분류된 고신뢰도 로짓만 남겨 평균 활성화 벡터 추정과 와이불 피팅에 사용해 모호한 경계 표본으로 인한 편향을 줄인다. 공개 WiFi CSI 데이터셋 실험에서 C²T-OpenMax는 8개 위치 그룹 중 7개에서 최고 오픈셋 정확도를 기록했고 모든 개방도 수준에서 AUROC와 OSCR 모두 모든 기준선을 능가했다. 최대 개방도 설정에서는 증강 OpenMax 기준선 대비 정확도 12.31%p, AUROC 0.0887, OSCR 0.0856을 개선했다.

• •중심 제약 학습과 신뢰도 기반 테일 모델링을 결합한 개선된 오픈셋 인식 프레임워크 C²T-OpenMax 제안
• •중심 제약 학습으로 클래스 내 응집도를 높여 거리 기반 OpenMax 모델링 적합성 향상
• •고신뢰도 로짓만 사용해 평균 활성화 벡터·와이불 피팅의 경계 표본 편향 감소
• •공개 WiFi CSI 데이터셋 8개 위치 그룹 중 7개에서 최고 오픈셋 정확도 달성
• •최대 개방도 설정에서 기준선 대비 정확도 12.31%p, AUROC 0.0887, OSCR 0.0856 개선