في عالم متسارع نحو الاعتماد على تقنيات الإنترنت للأشياء (IoT)، يعد تحديد بصمات التردد اللاسلكي (RFFI) أداة حيوية لتعزيز أمان وموثوقية الأجهزة. تعتمد العملية على العيوب الفريدة لمكونات الإرسال كعنصر تحديد في طبقة الفيزياء. لكن هناك تحدٍ يُواجه نماذج RFFI العميقة، إذ غالباً ما تفقد دقتها عند تغيير بيئة الاستحواذ.

في هذا السياق، تمثل تقنية جديدة تُعرف بـ PISA-CAPC (الربط الهيكلي المدعوم بالفيزياء مع معايرة النماذج المعتمدة على الاستحواذ) بُعدًا مبتكرًا. تقسم هذه التقنية بين تثبيت تمثيلات المصدر ومعايرة أهداف ثابتة. خلال مرحلة التمثيل، تنظم الخوارزمية توكنات الهوائي باستخدام رسم بياني للتوبولوجيا، وتعدل الرسم البياني باستخدام وصفات ديناميكية لاختلاف التردد.

كما يتم تطبيق تقنيات تقليل الفروق السياقية حول يمثل الهوية، مما يعزز الأداء في الأوقات الحرجة. أما عند النشر، فإن المعايرة غير المسماة التي تعتمد على النماذج المتعمدة على الاستحواذ (U-CAPC) تقوم بمعايرة الدرجات القرار من خلال الأدلة المحلية تحت تمثيل ثابت، مما يساعد على تقليل تحويل الحدود بدون الحاجة إلى تحديثات أو تسميات.

تظهر النتائج التي تم الحصول عليها من اختبار مقاييس أداء متعددة الهوائي لعشرة مرسلين، أن PISA-CAPC تحقق دقة تصل إلى 0.9257 في متوسط مؤشر Macro-F1 وذلك ضمن إعدادات متوازنة. كما تؤكد الاختبارات أن الربط الهيكلي المدعوم بالتوبولوجيا وتقنيات تقليل الفروق السياقية والمعايرة المستندة إلى الاستحواذ تُسهم جميعًا في تحسين الجوانب المختلفة.

تؤكد هذه النتائج أن PISA-CAPC تُعَد مسارًا ثابتًا لتحديد RFFI عبر البيئات المختلفة، مما يربط بين التعلم المدعوم بالفيزياء والمعايرة المرتبطة بالقرارات بدون أية تسميات واضحة.