面向 5G-NR 定位的网络中心异常过滤与欺骗者定位
信号处理
2025-11-17 v2
摘要
本文考察了第三代合作项目 (3GPP) 第五代新无线 (5G-NR) 基于到达时间差 (TDoA) 的无人机 (UAV) 定位在低空城市环境中的安全漏洞及相应对策。首先，在空地 (A2G) 信道条件下优化节点选择策略，证明最优选择取决于 UAV 高度与部署密度，并提出轻量级用户设备 (UE) 辅助方案以降低开销同时提升精度。随后，引入合并峰鉴别攻击，揭示关键安全漏洞：恶意 UAV 发射多个 5G-NR 定位参考信号 (PRS)，其信号与合法信号合并，可规避现有检测方法。通过理论建模与灵敏度分析，量化同步质量与几何因素对鉴别成功概率的影响，从而揭示当前 3GPP 定位框架的根本性弱点。为应对此漏洞，我们设计基于 3GPP 规范参数的定位管理功能 (LMF) 网络中心异常检测框架，搭配递归梯度下降鲁棒定位算法，实现异常数据过滤与 UAV 位置估计。该统一框架同时提供稳健的受害者定位与欺骗者定位，实现对主动攻击者的主动归因。大量仿真结果验证了本文优化方案与安全机制对 3GPP 合规 UAV 定位的有效性。
引用
@article{arxiv.2510.19521,
title = {Network-Centric Anomaly Filtering and Spoofer localization for 5G-NR Localization in LAWNs},
author = {Zexin Fang and Bin Han and Zhu Han and Yufei Zhao and Yong Liang Guan and Hans D. Schotten},
journal= {arXiv preprint arXiv:2510.19521},
year = {2025}
}
备注
Submitted to IEEE JSTSP