一种基于机器学习的无线通信干扰攻击检测新方法
信息论
2020-03-17 v1 信号处理
math.IT
摘要
干扰攻击针对无线网络制造不必要的拒绝服务。尽管 5G 因使用毫米波频段而具有弹性，仍易受此类攻击。过去十年中，已提出多种干扰检测技术，包括模糊逻辑、博弈论、信道跳频和时间序列。这些技术大多在检测智能干扰机方面效率低下。因此，亟需具有高精度的高效快速干扰检测技术。本文中，我们比较了若干机器学习模型在检测干扰信号上的效率。我们研究了可识别干扰信号的信号特征类型，并利用这些参数生成了大规模数据集。使用该数据集，对机器学习算法进行了训练、评估与测试。这些算法为随机森林、支持向量机和神经网络。使用检测概率、虚警概率、漏检概率和准确率对这些算法的性能进行了评估与比较。仿真结果表明，基于随机森林算法的干扰检测能够以高准确率、高检测概率和低虚警概率检测干扰机。
引用
@article{arxiv.2003.07308,
title = {A Novel Jamming Attacks Detection Approach Based on Machine Learning for Wireless Communication},
author = {Youness Arjoune and Fatima Salahdine and Md. Shoriful Islam and Elias Ghribi and Naima Kaabouch},
journal= {arXiv preprint arXiv:2003.07308},
year = {2020}
}