作为广义似然比检验的单类分类用于私有5G网络中的干扰检测
信号处理
2024-05-17 v1 机器学习
网络与互联网体系结构
摘要
5G移动网络容易受到可能危及工业自动化等有价值应用的干扰攻击。在本文中，我们提出使用专用设备分析无线电信号以检测干扰攻击。我们采用学习方法，检测器是实施广义似然比检验（GLRT）的CNN。为此，CNN被训练为二类分类器，使用两个数据集：一个是真实的合法信号，另一个是人工生成的，使得生成的分类器实现GLRT。人工数据集通过模拟不同类型的干扰信号生成。我们使用从私有5G网络和几种干扰信号获得的实验数据评估了该检测器的性能，展示了该技术在检测攻击方面的有效性。
引用
@article{arxiv.2405.09565,
title = {One-Class Classification as GLRT for Jamming Detection in Private 5G Networks},
author = {Matteo Varotto and Stefan Valentin and Francesco Ardizzon and Samuele Marzotto and Stefano Tomasin},
journal= {arXiv preprint arXiv:2405.09565},
year = {2024}
}