车载无线网络中基于相对速度估计的射频干扰分类
密码学与安全
2019-01-01 v1
摘要
无线通信易受射频（RF）干扰的影响，其可能由有意或无意造成。无线网络的特定子集——车载自组织网络（VANET）包含一系列安全关键应用，可能成为 RF 干扰的潜在目标并带来有害的安全后果。为确保安全通信并防御此类攻击，必须采用准确的检测方案。本文引入一种基于监督学习的检测方案。机器学习算法 K 最近邻（KNN）与随机森林（RF）利用一系列特征，其中之一是干扰机与接收机之间相对速度变化（VRS）的度量，该度量由接收机处有用信号与干扰信号的合成值被动估计得到。据我们所知，该度量此前从未在文献的机器学习检测方案中被使用。通过离线训练及所提出的 KNN-VRS、RF-VRS 分类算法，我们能够有效检测各类拒绝服务攻击（DoS）干扰攻击，将其与干扰情况区分，并成功预见潜在危险并采取相应行动。
引用
@article{arxiv.1812.11886,
title = {RF Jamming Classification using Relative Speed Estimation in Vehicular Wireless Networks},
author = {Dimitrios Kosmanos and Dimitrios Karagiannis and Antonios Argyriou and Spyros Lalis and Leandros Maglaras},
journal= {arXiv preprint arXiv:1812.11886},
year = {2019}
}