使用CNN、k近邻和支持向量机检测5G窄带干扰器
信号处理
2024-09-12 v2 机器学习
网络与互联网体系结构
摘要
5G蜂窝网络特别容易受到针对无线电信号中特定控制子信道的窄带干扰器的攻击。一种缓解方法是基于机器学习，使用在线观测系统检测此类干扰攻击。我们提出在物理层使用预训练的机器学习模型进行二分类来检测干扰。基于实验性5G网络的数据，我们研究了不同分类模型的性能。将卷积神经网络与支持向量机和k近邻进行比较，后两种方法与主成分分析相结合。获得的结果在分类准确率和计算时间方面显示出显著差异。
引用
@article{arxiv.2405.09564,
title = {Detecting 5G Narrowband Jammers with CNN, k-nearest Neighbors, and Support Vector Machines},
author = {Matteo Varotto and Florian Heinrichs and Timo Schuerg and Stefano Tomasin and Stefan Valentin},
journal= {arXiv preprint arXiv:2405.09564},
year = {2024}
}