多信道网络上的干扰模式识别：一种深度学习方法
密码学与安全
2021-12-22 v1 机器学习
摘要
随着智能干扰机的出现，干扰攻击已成为对无线系统性能更为严重的威胁。智能干扰机能够改变其策略以最小化被合法节点追踪的概率。因此，需要一种能够持续适应干扰策略的抗干扰机制来对抗此类干扰机。值得注意的是，现有抗干扰方法在此不适用，因为它们主要关注缓解具有不变干扰策略的干扰攻击，且很少将智能干扰机视为对手。因此，本文提出采用一种与抗干扰技术协同工作的干扰类型识别技术。所提识别方法采用循环神经网络，以干扰机占用的信道为输入，输出干扰机类型。在该方案下，首先识别实时干扰机策略，然后选择最合适的对策。因此，干扰机策略的任何变化都可通过所提识别技术即时检测，从而快速切换到适应新干扰策略的新抗干扰方法。为评估所提识别方法的性能，推导了检测准确率作为干扰机策略切换时间的函数。仿真结果表明，当干扰机每5个时隙切换一次策略时，所有考虑的用户数的检测准确率均大于70%，而当干扰机策略切换时间为45时，准确率提升至90%。
引用
@article{arxiv.2112.11222,
title = {Jamming Pattern Recognition over Multi-Channel Networks: A Deep Learning Approach},
author = {Ali Pourranjbar and Georges Kaddoum and Walid Saad},
journal= {arXiv preprint arXiv:2112.11222},
year = {2021}
}