基于新合成数据集的无人机网络干扰识别两种方法
密码学与安全
2022-03-23 v1 机器学习
神经与进化计算
摘要
无人机（UAV）系统易受到自利用户在UAV传输期间利用其无线电设备谋取利益而实施的干扰。由于空对地（A2G）无线通信网络的开放特性，该漏洞可能出现，并可能引发全网攻击。本文提出两种在UAV网络中识别干扰机（Jammer）的策略。第一种策略基于用于异常检测的时间序列方法，其中资源块中可用的信号被统计分解以找出趋势、季节性和残差；第二种则基于新设计的深度网络。该联合技术适用于UAV，因为统计模型不需要繁重的计算处理，但在泛化可能的攻击识别方面存在局限。另一方面，深度网络可准确分类攻击，但需要更多资源。仿真考虑了干扰攻击的位置和功率以及相对于基站的UAV位置。当攻击者在距UAV 30 m处时，统计方法技术可识别84.38%的攻击。此外，对于大于2的干扰功率和小于200米的干扰机距离，深度网络的准确率约为99.99%。
引用
@article{arxiv.2203.11373,
title = {Two methods for Jamming Identification in UAVs Networks using New Synthetic Dataset},
author = {Joseanne Viana and Hamed Farkhari and Luis Miguel Campos and Pedro Sebastiao and Francisco Cercas and Luis Bernardo and Rui Dinis},
journal= {arXiv preprint arXiv:2203.11373},
year = {2022}
}
备注
7 pages, 9 figures, submitted to VTC conference