基于贝叶斯网络模型推理分析的 5G 匿名干扰检测
机器学习
2023-11-30 v1 人工智能
密码学与安全
网络与互联网体系结构
摘要
干扰与入侵检测在 5G 研究中至关重要，旨在维持可靠性、防止用户体验下降并避免基础设施故障。本文提出一种基于协议栈信号参数的 5G 匿名干扰检测模型。系统采用有监督与无监督学习对干扰（包括未知类型）进行实时高精度检测。有监督模型 AUC 达 0.964 至 1，优于 AUC 为 0.923 至 1 的 LSTM 模型。然而，数据标注需求限制了有监督方法。为此，本文提出基于无监督自编码器的异常检测，AUC 达 0.987，该方法对对抗训练样本具有鲁棒性。为增强透明性与领域知识注入，引入了基于贝叶斯网络的因果分析。
引用
@article{arxiv.2311.17097,
title = {Anonymous Jamming Detection in 5G with Bayesian Network Model Based Inference Analysis},
author = {Ying Wang and Shashank Jere and Soumya Banerjee and Lingjia Liu and Sachin Shetty and Shehadi Dayekh},
journal= {arXiv preprint arXiv:2311.17097},
year = {2023}
}
备注
6 pages, 9 figures, Published in HPSR22. arXiv admin note: text overlap with arXiv:2304.13660