车载网络中的机器学习与位置验证
信号处理
2020-07-08 v2
摘要
位置信息将在智能交通系统、5G和物联网等新兴无线网络中发挥非常重要的作用。然而，错误的位置信息会导致糟糕的网络性能。因此，在任何网络操作进一步利用之前，验证所有位置信息至关重要。近年来，人们提出了许多信息论位置验证系统（LVS），试图最优地验证网络用户提供的位置信息。然而，这类LVS存在一定局限性，因为它们依赖若干信道参数的知识才能运行。为克服这些局限，本文引入一种基于机器学习的位置验证系统（ML-LVS）。这种新形式的LVS能够在不知晓信道参数的情况下自适应变化的环境。在此，我们首次使用真实世界数据展示ML-LVS如何优于信息论LVS。我们在车载网络背景下，利用多个验证基站的接收信号强度（RSS）测量证明了这一改进性能。我们还证明了即使在复杂对手优化其攻击位置的场景下，ML-LVS依然有效。
引用
@article{arxiv.1904.05610,
title = {Machine Learning and Location Verification in Vehicular Networks},
author = {Ullah Ihsan and Robert Malaney and Shihao Yan},
journal= {arXiv preprint arXiv:1904.05610},
year = {2020}
}
备注
5 pages, 3 figures