CN107222867A - 无线信号检测的方法、装置及无线信号检测设备 - Google Patents

无线信号检测的方法、装置及无线信号检测设备 Download PDF

Info

Publication number
CN107222867A
CN107222867A CN201710478794.6A CN201710478794A CN107222867A CN 107222867 A CN107222867 A CN 107222867A CN 201710478794 A CN201710478794 A CN 201710478794A CN 107222867 A CN107222867 A CN 107222867A
Authority
CN
China
Prior art keywords
signal
wireless signal
data signal
wireless
signal detection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710478794.6A
Other languages
English (en)
Inventor
刘诗楠
周鑫
吴高翔
秦圣智
杨希博
杜昊
康瑞
徐赛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201710478794.6A priority Critical patent/CN107222867A/zh
Publication of CN107222867A publication Critical patent/CN107222867A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W12/00Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/12Detection or prevention of fraud
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及通信技术领域,具体涉及一种无线信号检测的方法、装置及无线信号检测设备,该无线信号检测的方法及装置均应用于无线信号检测设备,该无线信号检测的方法包括接收预定频段的多种无线信号,将所述多种无线信号均对应转换为数字信号,提取每种所述数字信号的物理特征,根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号,若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示所述用户所述数字信号对应的无线信号非法。通过本方案以实现对不同频段的无线信号进行检测,以保证无线信号的安全传输,同时降低成本。

Description

无线信号检测的方法、装置及无线信号检测设备
技术领域
本发明涉及通信技术领域,具体而言,涉及一种无线信号检测的方法、装置及无线信号检测设备。
背景技术
近年来,侵害信息安全类犯罪日益严重,互联网上肆意流传着被窃取或滥用的信息,社会危害严重,群众反应强烈。
然而,除了部分因人为原因造成的信息泄露问题外,我国还出现了大量由于信息保护技术力量过弱,而导致的更为严重的信息泄露的问题。据悉,针对GNSS信息、LTE与WiFi频段信号的攻击是不法分子使用不当技术手段,盗取秘密信息的重灾区。然而目前主要的针对这三类信息的技术保护手段,却存在着成本高、可行性低、成功率低等问题。
市面上的同类产品只能针对特定频段的监测需求设计特定的仪器,这些仪器价格昂贵、异常笨重、只能应用于特定场景。因此,提供一种能对多种频段的无线信号进行检测、以保证不同频段的无线信号安全,同时降低成本的方法是十分必要的。
发明内容
本发明的目的在于提供一种无线信号检测的方法,以实现对不同频段的无线信号进行检测,以保证无线信号的安全传输,同时降低成本。
本发明的另一目的在于提供一种无线信号检测的装置,以实现对不同频段的无线信号进行检测,以保证无线信号的安全传输,同时降低成本。
本发明的另一目的在于提供一种无线信号检测设备,以实现对不同频段的无线信号进行检测,以保证无线信号的安全传输,同时降低成本。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种无线信号检测的方法,应用于无线信号检测设备,所述无线信号检测设备与智能设备通信连接,所述无线信号检测的方法包括:
接收预定频段的多种无线信号;
将所述多种无线信号均对应转换为数字信号;
提取每种所述数字信号的物理特征;
根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号;
若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
第二方面,本发明实施例还提供了一种无线信号检测的装置,应用于无线信号检测设备,所述无线信号检测设备与智能设备通信连接,所述无线信号检测的装置包括:
信号接收模块,用于接收预定频段的多种无线信号;
信号转换模块,用于将所述多种无线信号均对应转换为数字信号;
特征提取模块,用于提取每种所述数字信号的物理特征;
判断模块,用于根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号;
提示发送模块,用于若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
第三方面,本发明实施例还提供了一种无线信号检测设备,所述无线信号检测设备与智能设备连接,所述无线信号检测设备包括:
存储器;
处理器;以及
无线信号检测的装置,所述无线信号检测的装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块,所述无线信号检测的装置包括:
信号接收模块,用于接收预定频段的多种无线信号;
信号转换模块,用于将所述多种无线信号均对应转换为数字信号;
特征提取模块,用于提取每种所述数字信号的物理特征;
判断模块,用于根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号;
提示发送模块,用于若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
本发明实施例提供的一种无线信号检测的方法、装置及无线信号检测设备,该无线信号检测的方法及装置均应用于无线信号检测设备,该无线信号检测的方法包括接收预定频段的多种无线信号,将所述多种无线信号均对应转换为数字信号,提取每种所述数字信号的物理特征,根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号,若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示所述用户所述数字信号对应的无线信号非法。通过本方案以实现对不同频段的无线信号进行检测,以保证无线信号的安全传输,同时降低成本。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种无线信号检测设备的结构示意图。
图2示出了本发明实施例提供的一种无线信号检测的方法的流程示意图。
图3示出了本发明实施例提供的一种无线信号检测的方法的子步骤的流程示意图。
图4示出了本发明实施例提供的一种无线信号检测的装置的功能模块示意图。
图示:300-无线信号检测设备;310-无线信号检测的装置;320-存储器;330-处理器;340-通信单元;311-信号接收模块;312-信号滤除模块;313-信号转换模块;314-特征提取模块;315-判断模块;316-提示发送模块。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
由于无线电传播的广播性质,无线空中接口对于授权用户和非法用户都是开放和可访问的。这与有线网络完全不同,其中通信电缆通过电缆物理连接,而没有直接关联的节点不能访问网络进行非法活动。开放的通信环境使得无线传输比有线通信更易于恶意攻击,包括被动窃听数据拦截和主动干扰中断合法传输。
本发明实施例的无线信号主要针对全球卫星导航系统(Global NavigationSatellite System,GNSS)发射的导航信号,该GNSS系统包括美国GPS系统、俄罗斯GLONASS系统、中国北斗BDS系统。本发明实施例针对的无线信号还包括Wi-Fi信号以及移动网络(Long Term Evolution,LTE)信号。
现目前中存在多种对无线信号的攻击方式,如对Wi-Fi信号的攻击方式为对节点间的数据转发进行干扰攻击,攻击者只需要通过被动侦听以获取当前网络节点的通信频段,就可以快速发动攻击;对移动网络信号的攻击方式为使用高级干扰器调节移动设备访问频谱所需的一个或多个控制信道,以使得网络没有响应;对GNSS信号的攻击方式为通过无线攻击发射箱发射信号以实现远程操控或实时产生路线。
同时,各种不同的无线信号对人们的生产生活起着重大的作用,无线信号的攻击方式多样化将对人们的生活产生极大的威胁。目前市面上的产品只能对特定频段的无线信号进行检测,且市面上的产品价格昂贵、异常笨重,只适应与特定场景,由此本发明实施例提供一种无线信号检测设备300,该无线信号检测设备300可用于检测多种频段的无线信号,如可以但不限于用于检测GNSS信号、LTE信号以及Wi-Fi信号,同时该无线信号检测设备300成本低廉、体积小,可随时携带以及方便应用于不同的场景。同时该无线信号检测设备300与智能设备连接,以便于该无线信号检测设备300及时将信息发送至智能设备以便于用户查看,该智能设备可以是服务终端,如台式电脑其他智能电子设备,也可以是,移动终端,如手机或平板等其他智能电子设备,还可以是,服务终端和移动终端,即移动终端与服务终端通信连接,服务终端与该无线信号检测设备300通信连接。
请参照图1,是本发明实施例提供的一种无线信号检测设备300的结构示意图,该无线信号检测设备300包括无线信号检测的装置310、存储器320、处理器330以及通信单元340。
该存储器320、处理器330以及通信单元340各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述无线信号检测的装置310包括至少一个可以软件或固件(firmware)的形式存储于存储器320中或固化在无线信号检测设备300的操作系统(operatingsystem,OS)中的软件功能模块。处理器330用于执行存储器320中存储的可执行模块,例如无线信号检测的装置310包括的软件功能模块及计算机程序等。
其中,存储器320可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器320用于存储程序,处理器330在接收到执行指令后,执行所述程序。通信单元340用于建立该无线信号检测设备300与智能设备的通信连接。
请参照图2,是本发明实施例提供的一种无线信号检测的方法的流程示意图,该无线信号检测的方法应用于无线信号检测设备300,该无线信号检测的方法包括:
步骤S110,接收预定频段的多种无线信号。
在本发明实施例中,该无线信号检测设备300接收的多种预定频段的多种无线信号包括但不限于,GNSS信号、LTE信号以及Wi-Fi信号。
步骤S120,滤除预设载波频率范围外以及预设带宽范围外的无线信号。
对接受的多种无线信号,通过带通滤器滤除预设载波频率范围外以及预设带宽范围外的噪声(不需要的无线信号),如天线热噪声。同时由于无线信号检测设备300内部噪声的影响,会导致输送往后级电路的信噪比小于输入信号比,无线信号检测设备300内设置的低噪声放大器具有低噪声、高增益的特性,有效的抑制了内部噪声对于信噪比的影响。其中,直接与无线信号检测设备300的天线级联的带通滤波器和低噪声放大器称为射频前端电路,其作用是保证有用的无线信号能完整不失真的从空间拾取出来并输送给后级电路。
无线信号检测设备300中的本振源由温度补偿石英晶体振荡器,压控温补石英振荡器,PLL频率合成器生成,PLL(phase locked loop)是锁相环的简称,就是锁定相位的环路。这是一种典型的反馈控制电路,利用外部输入的无线信号控制环路内部振荡信号的频率和相位,实现输出信号频率对输入的无线信号频率的自动跟踪,从而输出与输入的无线信号相位相同的信号。一般情况下射频单元的信号频率很高而信道带宽又很窄,要直接滤出所需信道,则需Q值非常大的滤波器,至少目前的技术水平难以满足这一指标;而且直接对在射频频段对信号取样、解调很不现实。为此,在射频单元设计中采用“超外差”式多级变频配合匹配滤波器的电路结构,以消除噪声干扰,解决高频信号处理中所遇到的困难。经过多级下混频与滤波及自动增益控制器,输出信号频率降低,幅度增大,过滤掉不需要的信道。
步骤S130,将所述多种无线信号均对应转换为数字信号。
将该无线信号检测设备300接收的多种无线信号中的每一种均对应转换为数字信号,以便于后续对该无线信号进行分析。
具体为,经过频率搬移的中频信号在经过模数转换,进入现场可编程门阵列(Field-Programmable Gate Array,FPGA),由于模数转换采样过程模数转换器中时钟频率不稳定及采样率与USB控制器、嵌入式设备运算能力的不匹配,FPGA会对信号采样率进行调整,同时会在采样信号中插值或抽取以匹配USB控制器的数据率和嵌入式设备的处理能力。
步骤140,提取每种所述数字信号的物理特征。
在本发明实施例中,采用信号提取算法分别提取每种数字信号的时域特征、频域特征,以及同时提取每种数字信号的时域特征和频域特征。其中,通过提取每种数字信号的时域特征提取出该数字信号的能量特性,通过提取每种数字信号的频域特征提取出该数字信号的频谱能量分布特性,同时,通过同时提取每种数字信号的时域特征和频域特征,以便于后续的分析判断。通过本信号提取算法以实现分别对多种数字信号的快速处理,加快了处理速度。具体为,请参照图3,是本发明实施例提供的一种无线信号检测的方法的步骤S140的子步骤的流程示意图,该步骤S140包括:
步骤S141,提取每种所述数字信号的时域特征,所述时域特征包括所述数字信号的时域功率和接收所述无线信号的方向角。
在本发明实施例中,采用的方法提
取每种数字信号的时域功率,其中,in表示待提取时域特征的数字信号,Avg表示时域功率的平均值,RMS表示时域功率的均方根。通过所述数字信号的时域功率以及数字信号的达到时间计算出所述数字信号对应的无线信号的方向角。具体通过Init Device&SetKey ConstWhile stream not end:If stream is the first:Avg=0 End种所述数字信号的时域特征。
步骤S132,提取每种所述数字信号的频域特征,所述频域特征包括所述数字信号的频域功率以及多普勒频移。
在本发明实施例中,提取每种所述数字信号的频域特征即是将提取的每种数字信号的时域特征经过傅氏变换转换为频域特征。对经过傅氏变换后的时域特征,通过算法计算频谱能量分布,
即计算所述数字信号的频域功率以及多普勒频移。具体通过Init Device&SetKey Const for i=0;i<1024;i++vector[i]=steamsteam2=fft(vector)While stream2not end:If stream2 is the first:Avg=0 Avgn=(1-α)×Avgn-1+α×abs(in)2End While提取每种所述数字信号的频域特征。
步骤S150,根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号。
该预设的卷积神经网路模型通过大量已知的无线信号进行训练,即通过采集大量已知的无线信号的物理特征,包括无线信号对应的数字信号的时域特征和频域特征,对大量已知的无线信号的物理特征进行训练,进而能根据训练结果分辨出新接收的无线信号是否为攻击信号。因此,该预设的卷积神经网络模型对新接收的每种数字信号的物理特征进行判断,以确定所述数字信号是否是攻击信号。
步骤S160,若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
若所述数字信号为攻击信号,则用户连接该数字信号对应的无线信号存在危险,则此时无线信号检测设备300向对应连接的智能设备发送提示信息,以告知用户对应的无线信号非法,连接存在安全隐患。具体为:
该无线信号检测设备300通过过sm2椭圆曲线公钥加密算法对提示信息进行加密后,将加密后的提示信息发送至所述智能设备。该sm2椭圆曲线公钥加密算法是基于椭圆曲线的离散对数问题进行设计,是一种公钥加密算法,加密采用接受者的公钥进行数据的加密,传递给接受者后并由接受者使用自己的私钥对密文进行解密处理,由于私钥的随机生成性,并且具有相当规模大的运算空间,因此采用暴力破解来说将是一个十分困难的事情,因此具有良好的安全性。
该智能设备收到提示信息后采用sm4分组加密算法对所述提示信息进行存储,该sm4分组加密算法分组加密算法,采用128位轮密钥加密,因此安全性高。
步骤S170,若所述数字信号不为攻击信号,则将所述数字信号发送至所述智能设备。
如果所述数字信号不为攻击信号,则表明该数字信号对应的无线信号是安全的,则正常推送至智能设备,以便于用户正常使用无线信号。
请参照图4,是本发明实施例提供的一种无线信号检测的装置310,该无线信号检测的装置310应用于无线信号检测设备300,该无线信号检测的装置310包括信号接收模块311、信号滤除模块312、信号转换模块313、特征提取模块314、判断模块315以及提示发送模块316。
其中,信号接收模块311,用于接收预定频段的多种无线信号。
在本发明实施例中,步骤S110可以由信号接收模块311执行。
信号滤除模块312,用于滤除预设载波频率范围外以及预设带宽范围外的无线信号。
在本发明实施例中,步骤S120可以由信号滤除模块312执行。
信号转换模块313,用于将所述多种无线信号均对应转换为数字信号。
在本发明实施例中,步骤S130可以由信号转换模块313执行。
特征提取模块314,用于提取每种所述数字信号的物理特征。
在本发明实施例中,步骤S140~S142可以由特征提取模块314执行。
判断模块315,用于根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号。
在本发明实施例中,步骤S150可以由判断模块315执行。
提示发送模块316,用于若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
在本发明实施例中,步骤S160可以由提示发送模块316执行。
由于在无线信号检测的方法部分已经详细描述,在此不再赘述。
综上所述,本发明实施例提供的一种无线信号检测的方法、装置及无线信号检测设备,该无线信号检测的方法及装置均应用于无线信号检测设备,该无线信号检测的方法包括接收预定频段的多种无线信号,将所述多种无线信号均对应转换为数字信号,提取每种所述数字信号的物理特征,根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号,若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示所述用户所述数字信号对应的无线信号非法。通过本方案以实现对不同频段的无线信号进行检测,以保证无线信号的安全传输,同时降低成本。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种无线信号检测的方法,其特征在于,应用于无线信号检测设备,所述无线信号检测设备与智能设备通信连接,所述无线信号检测的方法包括:
接收预定频段的多种无线信号;
将所述多种无线信号均对应转换为数字信号;
提取每种所述数字信号的物理特征;
根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号;
若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
2.如权利要求1所述的无线信号检测的方法,其特征在于,所述提取每种所述数字信号的物理特征的步骤包括:
提取每种所述数字信号的时域特征,所述时域特征包括所述数字信号的时域功率和接收所述无线信号的方向角;
提取每种所述数字信号的频域特征,所述频域特征包括所述数字信号的频域功率以及多普勒频移。
3.如权利要求1所述的无线信号检测的方法,其特征在于,所述接收预定频段的多种无线信号的步骤之后还包括:
滤除预设载波频率范围外以及预设带宽范围外的无线信号。
4.如权利要求1所述的无线信号检测的方法,其特征在于,所述若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法的步骤包括:
若所述数字信号为攻击信号,则通过sm2椭圆曲线公钥加密算法对提示信息进行加密后,将加密后的提示信息发送至所述智能设备,以提示用户所述数字信号对应的无线信号非法,以提示用户连接所述无线信号存在危险;
所述智能设备接收到所述提示信息后,采用sm4分组加密算法对所述提示信息进行存储。
5.如权利要求1所述的无线信号检测的方法,其特征在于,所述根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号的步骤之后还包括:
若所述数字信号不为攻击信号,则将所述数字信号发送至所述智能设备。
6.一种无线信号检测的装置,其特征在于,应用于无线信号检测设备,所述无线信号检测设备与智能设备通信连接,所述无线信号检测的装置包括:
信号接收模块,用于接收预定频段的多种无线信号;
信号转换模块,用于将所述多种无线信号均对应转换为数字信号;
特征提取模块,用于提取每种所述数字信号的物理特征;
判断模块,用于根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号;
提示发送模块,用于若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
7.如权利要求6所述的无线信号检测的装置,其特征在于,所述特征提取模块还用于:
提取每种所述数字信号的时域特征,所述时域特征包括所述数字信号的时域功率和接收所述无线信号的方向角;
提取每种所述数字信号的频域特征,所述频域特征包括所述数字信号的频域功率以及多普勒频移。
8.如权利要求6所述的无线信号检测的装置,其特征在于,所述装置还包括:
信号滤除模块,用于滤除预设载波频率范围外以及预设带宽范围外的无线信号。
9.如权利要求6所述的无线信号检测的装置,其特征在于,所述提示发送模块还用于:
若所述数字信号为攻击信号,则通过sm2椭圆曲线公钥加密算法对提示信息进行加密后,将加密后的提示信息发送至所述智能设备,以提示用户所述数字信号对应的无线信号非法,以提示用户连接所述无线信号存在危险;
所述智能设备接收到所述提示信息后,采用sm4分组加密算法对所述提示信息进行存储。
10.一种无线信号检测设备,其特征在于,所述无线信号检测设备与智能设备连接,所述无线信号检测设备包括:
存储器;
处理器;以及
无线信号检测的装置,所述无线信号检测的装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块,所述无线信号检测的装置包括:
信号接收模块,用于接收预定频段的多种无线信号;
信号转换模块,用于将所述多种无线信号均对应转换为数字信号;
特征提取模块,用于提取每种所述数字信号的物理特征;
判断模块,用于根据预设的卷积神经网络模型对每种所述数字信号的物理特征进行判断以确定所述数字信号是否为攻击信号;
提示发送模块,用于若所述数字信号为攻击信号,则向所述智能设备发出提示信息以提示用户所述数字信号对应的无线信号非法。
CN201710478794.6A 2017-06-22 2017-06-22 无线信号检测的方法、装置及无线信号检测设备 Pending CN107222867A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710478794.6A CN107222867A (zh) 2017-06-22 2017-06-22 无线信号检测的方法、装置及无线信号检测设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710478794.6A CN107222867A (zh) 2017-06-22 2017-06-22 无线信号检测的方法、装置及无线信号检测设备

Publications (1)

Publication Number Publication Date
CN107222867A true CN107222867A (zh) 2017-09-29

Family

ID=59950903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710478794.6A Pending CN107222867A (zh) 2017-06-22 2017-06-22 无线信号检测的方法、装置及无线信号检测设备

Country Status (1)

Country Link
CN (1) CN107222867A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900294A (zh) * 2018-06-11 2018-11-27 成都大象分形智能科技有限公司 涉及指定频段加密的神经网络模型加密保护系统及方法
TWI708195B (zh) * 2019-01-29 2020-10-21 台灣大哥大股份有限公司 基於類神經網路之基地台涵蓋異常的查測系統和方法
CN114205821A (zh) * 2021-11-30 2022-03-18 广州万城万充新能源科技有限公司 基于深度预测编码神经网络的无线射频异常检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102036165A (zh) * 2010-12-16 2011-04-27 中兴通讯股份有限公司 支持多种定位方式的定位方法及用户终端
CN102130731A (zh) * 2011-03-18 2011-07-20 电子科技大学 一种高分辨率多径信道时延谱的测定方法
CN103336285A (zh) * 2013-07-02 2013-10-02 江苏指南针导航通信技术有限公司 检测虚假卫星导航信号的电路、方法及卫星导航接收设备
CN104376306A (zh) * 2014-11-19 2015-02-25 天津大学 基于滤波器组的光纤传感系统侵犯识别分类方法及分类器
CN104656104A (zh) * 2015-02-27 2015-05-27 清华大学 基于最大似然估计的卫星导航欺骗信号识别方法及系统
CN104935600A (zh) * 2015-06-19 2015-09-23 中国电子科技集团公司第五十四研究所 一种基于深度学习的移动自组织网络入侵检测方法与设备
US20160146944A1 (en) * 2014-11-24 2016-05-26 The Boeing Company Detecting and removing spoofing signals

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102036165A (zh) * 2010-12-16 2011-04-27 中兴通讯股份有限公司 支持多种定位方式的定位方法及用户终端
CN102130731A (zh) * 2011-03-18 2011-07-20 电子科技大学 一种高分辨率多径信道时延谱的测定方法
CN103336285A (zh) * 2013-07-02 2013-10-02 江苏指南针导航通信技术有限公司 检测虚假卫星导航信号的电路、方法及卫星导航接收设备
CN104376306A (zh) * 2014-11-19 2015-02-25 天津大学 基于滤波器组的光纤传感系统侵犯识别分类方法及分类器
US20160146944A1 (en) * 2014-11-24 2016-05-26 The Boeing Company Detecting and removing spoofing signals
CN104656104A (zh) * 2015-02-27 2015-05-27 清华大学 基于最大似然估计的卫星导航欺骗信号识别方法及系统
CN104935600A (zh) * 2015-06-19 2015-09-23 中国电子科技集团公司第五十四研究所 一种基于深度学习的移动自组织网络入侵检测方法与设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
伍娟: "基于国密SM4和SM2的混合密码算法研究与实现", 《软件导刊》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108900294A (zh) * 2018-06-11 2018-11-27 成都大象分形智能科技有限公司 涉及指定频段加密的神经网络模型加密保护系统及方法
CN108900294B (zh) * 2018-06-11 2020-12-01 成都大象分形智能科技有限公司 涉及指定频段加密的神经网络模型加密保护系统及方法
TWI708195B (zh) * 2019-01-29 2020-10-21 台灣大哥大股份有限公司 基於類神經網路之基地台涵蓋異常的查測系統和方法
CN114205821A (zh) * 2021-11-30 2022-03-18 广州万城万充新能源科技有限公司 基于深度预测编码神经网络的无线射频异常检测方法
CN114205821B (zh) * 2021-11-30 2023-08-08 广州万城万充新能源科技有限公司 基于深度预测编码神经网络的无线射频异常检测方法

Similar Documents

Publication Publication Date Title
Shen et al. Radio frequency fingerprint identification for LoRa using spectrogram and CNN
EP3213105B1 (en) Advanced localization of radio transmitters in electromagnetic environments
O'Hanlon et al. Real‐time GPS spoofing detection via correlation of encrypted signals
Bhatt et al. Towards a framework to detect multi-stage advanced persistent threats attacks
Hall et al. Radio frequency fingerprinting for intrusion detection in wireless networks
Candore et al. Robust stable radiometric fingerprinting for wireless devices
WO2015187730A1 (en) Electromagnetic threat detection and mitigation in the internet of things
CN101959191B (zh) 一种无线网络安全认证方法及其系统
CN105678273A (zh) 射频指纹识别技术瞬态信号的起始点检测算法
CN107222867A (zh) 无线信号检测的方法、装置及无线信号检测设备
Meng et al. Revealing your mobile password via WiFi signals: Attacks and countermeasures
Uribe et al. A technical review of wireless security for the internet of things: Software defined radio perspective
WO2020016798A1 (en) Relay attack prevention
Tu et al. Low‐complexity GNSS anti‐spoofing technique based on Doppler frequency difference monitoring
Kumar et al. Evaluation of ensemble machine learning methods in mobile threat detection
Aissou et al. Tree-based supervised machine learning models for detecting GPS spoofing attacks on UAS
O’Mahony et al. Developing novel low complexity models using received in-phase and quadrature-phase samples for interference detection and classification in Wireless Sensor Network and GPS edge devices
CN102763142B (zh) 侵入物识别装置
CN105450863B (zh) 一种多重防护的终端
Hu et al. Machine learning for RF fingerprinting extraction and identification of soft-defined radio devices
Li et al. Study on radio-frequency signal gene characteristics from the perspective of fractal theory
Harmer et al. Using DE-optimized LFS processing to enhance 4G communication security
WO2019170664A1 (en) An automated surveillance system
Zhang et al. An improved cognitive radio spectrum sensing algorithm
CN109660956A (zh) 一种基于射频指纹的鉴别伪gps信号方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170929