CN113194474A - 伪基站的定位方法、装置、电子设备及可读存储介质 - Google Patents
伪基站的定位方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113194474A CN113194474A CN202110399726.7A CN202110399726A CN113194474A CN 113194474 A CN113194474 A CN 113194474A CN 202110399726 A CN202110399726 A CN 202110399726A CN 113194474 A CN113194474 A CN 113194474A
- Authority
- CN
- China
- Prior art keywords
- cell
- base station
- data
- pseudo base
- user
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012216 screening Methods 0.000 claims abstract description 53
- 230000002159 abnormal effect Effects 0.000 claims abstract description 48
- 230000011664 signaling Effects 0.000 claims abstract description 41
- 238000012544 monitoring process Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 abstract description 6
- 238000011835 investigation Methods 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 description 24
- 230000008569 process Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000003064 k means clustering Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000008034 disappearance Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请公开了一种伪基站的定位方法、装置、电子设备及可读存储介质，属于通讯技术领域。其中，伪基站的定位方法，包括：获取移动网络中的小区级网络负荷数据；从小区级网络负荷数据中进行筛选，得到数据异常的目标小区；对目标小区进行信令监控，定位伪基站。通过该方法可以使伪基站的定位不再依赖用户的投诉信息，实现了对伪基站的主动排查，可以快速、准确地确定伪基站的位置。
Description
技术领域
本申请涉及通讯技术领域，具体涉及一种伪基站的定位方法、装置、电子设备及可读存储介质。
背景技术
伪基站是一种移动电话网关，伪基站通过通信嵌入式软件，接入GSM、CDMA、WCDNA、LTE频段的手机卡(SIM卡)，利用其无线网关猫池(ModemPOOL)实现电话中继功能，支持多个用户同时拨号连接。其中，UC2000-32T LTE加强版最多可支持128张SIM卡。不法分子可以利用伪基站实现多个用户同时拨号连接，进而进行非法活动。
现有伪基站定位的方法是整理用户投诉并分析确认伪基站，此方法较为被动，对问题的反应滞后，不能快速定位伪基站遏制违法活动。
发明内容
本申请实施例的目的是提供一种伪基站的定位方法、装置、电子设备及可读存储介质，以至少解决现有伪基站定位难的问题。
本申请的技术方案如下：
根据本申请实施例的第一方面，提供一种伪基站的定位方法，该方法可以包括：
获取移动网络中的小区级网络负荷数据；
从小区级网络负荷数据中进行筛选，得到数据异常的目标小区；
对目标小区进行信令监控，定位伪基站。
进一步地，从小区级网络负荷数据中进行筛选，得到数据异常的目标小区，可以包括：
利用递推算法对小区级网络负荷数据进行异常分析，从小区级网络负荷数据中筛选网络负荷变化异常的小区，得到数据异常的目标小区。
进一步地，从小区级网络负荷数据中进行筛选，得到数据异常的目标小区，可以包括：
从小区级网络负荷数据中筛选出现网络拥塞的第一小区；
计算第一小区中每个小区出现网络拥塞的时长，并从第一小区中筛选出现网络拥塞时长超过预设时长的第二小区，得到数据异常的目标小区；
进一步地，对目标小区进行信令监控，定位伪基站，可以包括：
对目标小区进行信令监控，得到目标小区中用户的信令信息；
根据信令信息定位目标小区中用户的位置信息；
从位置信息中筛选预设范围内超过预设数量且移动速度低于预设阈值的目标用户；
对目标用户的位置进行聚类，得到伪基站的位置。
进一步地，根据信令信息定位目标小区中用户的位置信息，可以包括：
提取信令信息中用户的国际移动用户识别码；
根据国际移动用户识别码提取用户的位置信息。
进一步地，根据国际移动用户识别码提取用户的位置信息，可以包括：
根据国际移动用户识别码提取用户的最小化路测技术数据；
当用户存在最小化路测技术数据时，根据最小化路测技术数据解析出用户的位置信息。
进一步地，根据国际移动用户识别码提取用户的位置信息，可以包括：
当用户不存在最小化路测技术数据时，根据国际移动用户识别码提取用户的测量报告数据；
根据测量报告数据确定用户的位置信息。
根据本申请实施例的第二方面，提供一种伪基站的定位装置，该装置可以包括：
获取模块，用于获取移动网络中的小区级网络负荷数据；
筛选模块，用于从小区级网络负荷数据中进行筛选，得到数据异常的目标小区；
定位模块，用于对目标小区进行信令监控，定位伪基站。
进一步地，筛选模块，可以包括：
第一筛选单元，用于利用递推算法对小区级网络负荷数据进行异常分析，从小区级网络负荷数据中筛选网络负荷变化异常的小区，得到数据异常的目标小区。
进一步地，筛选模块，可以包括：
第二筛选单元，用于从小区级网络负荷数据中筛选出现网络拥塞的第一小区；
第三筛选单元，用于计算第一小区中每个小区出现网络拥塞的时长，并从第一小区中筛选出现网络拥塞时长超过预设时长的第二小区，得到数据异常的目标小区；
进一步地，定位模块，可以包括：
信令监控单元，用于对目标小区进行信令监控，得到目标小区中用户的信令信息；
定位单元，用于根据信令信息定位目标小区中用户的位置信息；
第四筛选单元，用于从位置信息中筛选预设范围内超过预设数量且移动速度低于预设阈值的目标用户；
聚类单元，用于对目标用户的位置进行聚类，得到伪基站的位置。
进一步地，定位单元，可以包括：
识别码提取子单元，用于提取信令信息中用户的国际移动用户识别码；
定位子单元，用于根据国际移动用户识别码提取用户的位置信息。
进一步地，定位子单元，可以包括：
最小化路测技术数据提取子单元，用于根据国际移动用户识别码提取用户的最小化路测技术数据；
定位子单元，具体用于当用户存在最小化路测技术数据时，根据最小化路测技术数据解析出用户的位置信息。
进一步地，定位子单元，具体还用于当用户不存在最小化路测技术数据时，根据国际移动用户识别码提取用户的测量报告数据；
根据测量报告数据确定用户的位置信息。
根据本申请实施例的第三方面，提供一种电子设备，该电子设备可以包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的伪基站的定位方法。
根据本申请实施例的第四方面，提供一种存储介质，当存储介质中的指令由信息处理装置或者服务器的处理器执行时，以使信息处理装置或者服务器实现以实现如第一方面的任一项实施例中所示的伪基站的定位方法。
本申请的实施例提供的技术方案至少带来以下有益效果：
本申请实施例通过获取移动网络中的小区级网络负荷数据；筛选出小区级网络负荷数据中数据异常的目标小区；并对目标小区进行信令监控，从而确定伪基站的位置，对伪基站的定位不再依赖用户的投诉信息，实现了对伪基站的主动排查，可以快速、准确地确定伪基站的位置。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限值本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
图1是根据一示例性实施例示出的伪基站的定位方法流程示意图；
图2是根据一示例性实施例示出的伪基站的定位装置结构示意图；
图3是根据一具体实施例示出的伪基站的定位方法流程图；
图4是根据一具体实施例示出的异常拥塞持续时间的计算模型示意图；
图5是根据一具体实施例示出的伪基站定位流程图；
图6是根据一具体实施例示出的采样点移动速度计算模型示意图；
图7是根据一具体实施例示出的移动用户识别过程示意图；
图8是根据一具体实施例示出的K-means聚类算法运算流程图；
图9是根据一示例性实施例示出的电子设备结构示意图；
图10是根据一示例性实施例示出的电子设备的硬件结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
现有伪基站定位的方法，主要为用户投诉后，优化人员分析确认存在伪基站，现场扫频摸排。优化人员接收到与网络相关的用户投诉后，整理突发涌现且地理位置集中的投诉信息，通过排查故障告警、底噪等常见问题以及分析网络性能指标最终确定用户投诉与伪基站相关，由前台测试人员根据投诉反映的区域进行遍历性扫频，找出其具体安放位置。确认存在伪基站后需现场扫频，扫频工作遍历投诉区域内的每个街道，工作量大，且无有效手段缩小搜寻范围，费时费工。为此，本申请提出一种伪基站的定位方法、装置、电子设备及可读存储介质。
如图1所示，在本申请实施例的第一方面，提供一种伪基站的定位方法，该方法可以包括：
步骤110：获取移动网络中的小区级网络负荷数据；
步骤120：从小区级网络负荷数据中进行筛选，得到数据异常的目标小区；
步骤130：对目标小区进行信令监控，定位伪基站。
上述实施例方法确定伪基站的位置，对伪基站的定位不再依赖用户的投诉信息，实现了对伪基站的主动排查，可以快速、准确地确定伪基站的位置。
上述各步骤的具体实现方式将在下文中进行详细描述。
首先介绍步骤110，获取移动网络中的小区级网络负荷数据。
本步骤中，获取小区级网络负荷数据是该数据是快速定位伪基站的最小单位，相较于其他量级的网络负荷数据，定位更精准且数据筛选较为简单。
接下来介绍一下步骤120，从小区级网络负荷数据中进行筛选，得到数据异常的目标小区。
在本步骤中的数据异常的目标小区负荷下述特征：
(1)网络拥塞，同时进行的大量诈骗电话会占用移动网络的大量资源，引起网络拥塞，可通过筛选负荷类指标找出疑似小区；
(2)持续时间，诈骗活动出现后通常会持续进行，可通过计算疑似小区的网络拥塞时间，得出持续时间；
(3)出现的快、消失的快，利用伪基站诈骗是有策划、有组织的团伙诈骗行为，诈骗活动有统一的开始时间与结束时间，负荷类指标有明显的突增和陡降。
最后介绍一下步骤130，对目标小区进行信令监控，定位伪基站。
在本步骤中，通过跟踪受影响小区下所有用户的层三信令，输出每位用户的IMSI(国际移动用户识别码)，提取相应IMSI的MRO数据(用户测量报告数据)与MDT数据(最小化路测技术)，解析出经纬度信息，将所有的经纬度信息导入K-means聚类算法，锁定GOIP伪基站的位置。GOIP伪基站在地理位置上有两个特点：一是位置保持不变；另外一点是大量用户位置处于同一地点。
在本申请一些可选实施例中，从小区级网络负荷数据中进行筛选，得到数据异常的目标小区，可以包括：
利用递推算法对小区级网络负荷数据进行异常分析，从小区级网络负荷数据中筛选网络负荷变化异常的小区，得到数据异常的目标小区。
在本申请一些可选实施例中，从小区级网络负荷数据中进行筛选，得到数据异常的目标小区，可以包括：
从小区级网络负荷数据中筛选出现网络拥塞的第一小区；
计算第一小区中每个小区出现网络拥塞的时长，并从第一小区中筛选出现网络拥塞时长超过预设时长的第二小区，得到数据异常的目标小区；
在本申请一些可选实施例中，对目标小区进行信令监控，定位伪基站，可以包括：
对目标小区进行信令监控，得到目标小区中用户的信令信息；
根据信令信息定位目标小区中用户的位置信息；
从位置信息中筛选预设范围内超过预设数量且移动速度低于预设阈值的目标用户；
对目标用户的位置进行聚类，得到伪基站的位置。
在本申请一些可选实施例中，根据信令信息定位目标小区中用户的位置信息，可以包括：
提取信令信息中用户的国际移动用户识别码；
根据国际移动用户识别码提取用户的位置信息。
在本申请一些可选实施例中，根据国际移动用户识别码提取用户的位置信息，可以包括：
根据国际移动用户识别码提取用户的最小化路测技术数据；
当用户存在最小化路测技术数据时，根据最小化路测技术数据解析出用户的位置信息。
在本申请一些可选实施例中，根据国际移动用户识别码提取用户的位置信息，可以包括：
当用户不存在最小化路测技术数据时，根据国际移动用户识别码提取用户的测量报告数据；
根据测量报告数据确定用户的位置信息。
如图2所示，在本申请实施例的第二方面，提供一种伪基站的定位装置，该装置可以包括：
获取模块210，用于获取移动网络中的小区级网络负荷数据；
筛选模块220，用于从小区级网络负荷数据中进行筛选，得到数据异常的目标小区；
定位模块230，用于对目标小区进行信令监控，定位伪基站。
在本申请一些可选实施例中，筛选模块，可以包括：
第一筛选单元，用于利用递推算法对小区级网络负荷数据进行异常分析，从小区级网络负荷数据中筛选网络负荷变化异常的小区，得到数据异常的目标小区。
在本申请一些可选实施例中，筛选模块，可以包括：
第二筛选单元，用于从小区级网络负荷数据中筛选出现网络拥塞的第一小区；
第三筛选单元，用于计算第一小区中每个小区出现网络拥塞的时长，并从第一小区中筛选出现网络拥塞时长超过预设时长的第二小区，得到数据异常的目标小区；
在本申请一些可选实施例中，定位模块，可以包括：
信令监控单元，用于对目标小区进行信令监控，得到目标小区中用户的信令信息；
定位单元，用于根据信令信息定位目标小区中用户的位置信息；
第四筛选单元，用于从位置信息中筛选预设范围内超过预设数量且移动速度低于预设阈值的目标用户；
聚类单元，用于对目标用户的位置进行聚类，得到伪基站的位置。
在本申请一些可选实施例中，定位单元，可以包括：
识别码提取子单元，用于提取信令信息中用户的国际移动用户识别码；
定位子单元，用于根据国际移动用户识别码提取用户的位置信息。
在本申请一些可选实施例中，定位子单元，可以包括：
最小化路测技术数据提取子单元，用于根据国际移动用户识别码提取用户的最小化路测技术数据；
定位子单元，具体用于当用户存在最小化路测技术数据时，根据最小化路测技术数据解析出用户的位置信息。
在本申请一些可选实施例中，定位子单元，具体还用于当用户不存在最小化路测技术数据时，根据国际移动用户识别码提取用户的测量报告数据；
根据测量报告数据确定用户的位置信息。
本申请实施例中的伪基站的定位装置可以是装置，也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备，也可以为非移动电子设备。示例性的，移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personal digital assistant，PDA)等，非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage，NAS)、个人计算机(personal computer，PC)、电视机(television，TV)、柜员机或者自助机等，本申请实施例不作具体限定。
本申请实施例中的伪基站的定位装置可以为具有操作系统的装置。该操作系统可以为安卓(Android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本申请实施例不作具体限定。
本申请实施例提供的伪基站的定位装置能够实现图1的方法实施例实现的各个过程，为避免重复，这里不再赘述。
如图3所示，在本申请一具体实施例中，提供了一种伪基站的定位方法，该方法可以包括：
步骤310，数据采集；
步骤320，影响小区识别；
步骤330，伪基站位置锁定。
上述方法采集移动网络中的小区级负荷指标，通过递推算法依次计算，找出受伪基站影响的小区，利用信令跟踪工具获取每位用户的IMSI，提取用户MRO数据和MDT数据，输出用户位置信息，以采样点的经纬度变化梳理静态用户，采用K-means聚类算法确定伪基站位置。
步骤310、数据采集
本步骤需要使用三种数据，分别为移动网络的负荷类指标、MRO数据、MDT数据。
(1)网络负荷：是指移动网络中可供使用的传输资源的多少，传输资源由频率和时间组成，用于承载网络与用户之间的数据交互，用户过多时，占用资源过多，网络负荷较大；反之，负荷较小，可通过OMC网管或统一门户平台获取。
(2)MRO数据：测量报告生成的文件类型中的一种，代表周期性的测量报告样本数据文件，主要来自终端和基站的物理层、RLC层，以及在无线资源管理过程中计算产生的测量报告，涉及的测量项包含信号强度等样本数据及其采样值，可通过网优平台或网优大数据平台获取。
(3)MDT数据是3GPP在LTE系统中引入的一种通过网络配置对普通用户/商用终端进行测量数据采集、上报的自动化路测技术。由网络侧根据网管的测量配置需求下发给终端，当终端满足测量条件时开始测量并上报给网络，上报内容涉及服务小区的RSRP和RSRQ、时间戳信息、位置信息等，可通过MR+OTT综合呈现系统获取。
步骤320、影响小区识别
犯罪分子利用GOIP伪基站呼转技术，布置好GOIP伪基站窝点后即可离开，从远端通过互联网发送SIP语音数据至GOIP设备窝点，GOIP设备将数据转换为移动语音编码数据，与所在地的移动通信基站连接。其运行时会对移动网络造成较为明显的冲击，表现为“设备所在区域附近的1个或数个小区瞬间出现网络拥塞，持续一段时间后，又在同一时间恢复正常”。此特征主要包含3个关键点：
(1)网络拥塞，同时进行的大量诈骗电话会占用移动网络的大量资源，引起网络拥塞，可通过筛选负荷类指标找出疑似小区；
(2)持续时间，诈骗活动出现后通常会持续进行，可通过计算疑似小区的网络拥塞时间，得出持续时间；
(3)出现的快、消失的快，利用GOIP伪基站诈骗是有策划、有组织的团伙诈骗行为，诈骗活动有统一的开始时间与结束时间，负荷类指标有明显的突增和陡降。
根据上述3个关键点，设定相关参数，采用递推算法，逐一比对每个小区的负荷指标，以高于或低于拥塞门限为节点，计算负荷增长，判断是否为异常拥塞出现或结束事件，进而得出异常拥塞持续时间，识别受伪基站影响的小区。
负荷指标设为L，从0点开始第一个15分钟粒度的负荷指标记为L1，第二个为L2，以此类推，网络拥塞的门限为LThres；
负荷增长设为I，计算公式为I＝(Ln-Ln-1)÷Ln-1，从0点开始第二个15分钟粒度的负荷增长记为I1，第三个为I2，以此类推，正增长的门限为IThres-P，负增长的门限为IThres-N；
当某小区在某时段负荷L≥LThres时且对应时段的负荷增长I≥IThres-P，记为异常拥塞出现事件，当某小区在某时段负荷L＜LThres时且对应时段的负荷增长I≤IThres-N，计为异常拥塞结束事件。
异常拥塞出现时间设为TStar，第一次异常拥塞的出现时间记为TStar-1，第二次为TStar-2，以此类推；异常拥塞结束时间设为TEnd，第一次异常拥塞的结束时间记为TEnd-1，第二次为TEnd-2，以此类推；
异常拥塞持续时间设为ΔT，计算公式为ΔT＝TEnd-TStar，第一次持续时间记为ΔT1，第二次为ΔT2，以此类推，异常拥塞持续时间的门限为ΔTThres。如图4所示。
受影响小区具体识别过程如下：
(1)以时间为顺序对小区负荷L进行排序；
(2)从第一个时段开始，依次对比小区负荷L与LThres，当小区负荷L≥LThres时，出现小区拥塞，执行下一步，若至23∶45仍无小区拥塞，则该小区未受伪基站影响；
(3)计算出现拥塞时段的负荷增长，当I≥IThres-P时，为异常拥塞出现事件，记录该事件时间节点TStar，执行下一步，若I＜IThres-P，则返回步骤2，从下一时段开始计算；
(4)对比下一时段小区负荷L与LThres，当小区负荷L＜LThres时，该小区拥塞结束，执行下一步，若L≥LThres，则重复本次操作，直至L＜LThres；
(5)计算该时段的负荷增长，当I≤IThres-N时，为异常拥塞结束事件，记录该事件时间节点TEnd，计算并记录异常拥塞的持续时间ΔT，同时返回步骤(2)，从下一时段开始计算，若I＞IThres-N，则直接返回步骤2，从下一时段开始计算；
(6)对所有ΔT求和
当
时判定该小区为受影响小区，若
则该小区未受伪基站影响。
步骤330、伪基站位置锁定
通过跟踪受影响小区下所有用户的层三信令，输出每位用户的IMSI，提取相应IMSI的MRO数据与MDT数据(Minimization of drive tests，最小化路测技术)，解析出经纬度信息，将所有的经纬度信息导入K-means聚类算法，锁定GOIP伪基站的位置。GOIP伪基站在地理位置上有两个特点：一是位置保持不变；一是大量用户位置处于同一地点。根据此特点，GOIP伪基站的位置锁定过程，如图5所示。
详细说明如下：
步骤3301：将已采集的MRO数据、MDT数据以两种不同的方式进行经纬度解析，输出结果并汇总。
(1)MRO数据的经纬度：采用基于MR测量数据的用户端位置定位方法实现采样数据的经纬度解析，通过将移动网络划分成N个栅格，记录栅格内道路测试时接收到的多个小区的信号强度，组建含有经纬度的指纹库，利用MRO数据中的信号强度与其匹配，从而获取经纬度。本方法已公开发表论文并实践应用。
(2)MDT数据的经纬度：该数据已包含带有经纬度的位置信息，截取后记录并保存。
步骤3302：设定用户的第一个采样点为ID1，经度为LON1，纬度为LAT1，采样时间为T1，两个采样点间的距离为D，通过球面距离公式计算得出，
C＝sin(latA)sin(latB)+cos(latA)cos(latB)cos(lonA-lonB)
Distance＝R*cos-1(C)
采样点的移动速度为V1，计算公式为V＝D÷ΔT，其中ΔT为两个采样点的时间间隔，两个采样点的速度差门限为VThres，建立数据模型，如图6所示。
当本采样点的速度高于前一采样点的速度VThres时，本采样点计为异常采样点，抛弃该采样点。
步骤3303：设用户的位移门限为DThres，以初始采样点为起点，其他所有采样点与其进行距离计算，当采样点的间距D＞DThres时，则该用户为移动用户，反之为静态用户，如图7所示。
步骤3304：通过K-means聚类算法，找出经纬度集中的位置，K-means算法是基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大，把得到紧凑且独立的簇作为最终目标。随机选取K个静止用户的采样点，输入至算法内，经过反复计算，得出经纬度集中区域。
K-means算法公式：
n：样本数；
k：样本分为k类；
rnk：第n个样本点是否属于第k类，属于则rnk＝1，不属于rnk＝0；
μk：第k个中心点，如图8所示。
(1)选取K个静止用户的采样点作为初始聚类中心；
(2)将所有出静止用户的采样点按最小距离原则分配到最邻近聚类；
(3)根据聚类的结果，重新计算K个聚类的中心，并作为新的聚类中心；
(4)重复步骤(2)、(3)直到聚类中心不再变化。
诈骗人员通常将GOIP伪基站通常放置于宾馆、出租屋等地。以采样点数量为条件，输出计算结果中最大的簇并结合周边的楼宇建筑，确定伪基站位置。
采用递推的算法将移动网络的负荷指标进行逐一的运算、判断，从而识别受伪基站影响的小区以及基于MRO数据、MDT数据，通过剔除异常数据、采用两种数据的集合、K-means聚类算法提高确认伪基站的位置精度。
上述实施例中方法利用GOIP伪基站的3个关键点“网络拥塞”、“持续时间”、“出现的快、消失的快”，采用递推算法按照时间顺序依次对移动网络的负荷指标进行运算，当同时满足上述3个关键点时，确认为受伪基站影响的小区；采用三种方式提高确认伪基站的精度：剔除MRO数据或MDT数据中的无效数据，避免无效数据对计算结果造成影响；将两个数据的采样点相结合共同纳入计算范围，扩充了计算的采样基数；通过K-means聚类算法输出最大簇，排除其他静态用户。该方法可以主动对每日负荷指标进行运算，排查伪基站，避免人工疏忽及繁杂操作的高强度工作，可有效提高伪基站发现的效率；通过K-means聚类算法输出最大簇，提高伪基站的位置精度，同时缩小了伪基站的排查范围，避免遍历性的扫频工作；并且数据来源于网络负荷指标，涵盖了全网各个角落，全面搜索GOIP伪基站，可做到追踪每一个伪基站出现的痕迹。
需要说明的是，本申请实施例提供的伪基站的定位方法，执行主体可以为伪基站的定位装置，或者该伪基站的定位装置中的用于执行伪基站的定位的方法的控制模块。本申请实施例中以伪基站的定位装置执行伪基站的定位的方法为例，说明本申请实施例提供的伪基站的定位的装置。
可选地，如图9所示，本申请实施例还提供一种电子设备900，包括处理器901，存储器902，存储在存储器902上并可在所述处理器901上运行的程序或指令，该程序或指令被处理器901执行时实现上述伪基站的定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
图10为实现本申请实施例的一种电子设备的硬件结构示意图。
该电子设备的硬件1000包括但不限于：射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、以及处理器1010等部件。
本领域技术人员可以理解，电子设备的硬件1000还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理系统与处理器1010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。图10中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，在此不再赘述。
其中，处理器1010，用于获取移动网络中的小区级网络负荷数据；从小区级网络负荷数据中进行筛选，得到数据异常的目标小区；对目标小区进行信令监控，定位伪基站。
应理解的是，本申请实施例中，输入单元1004可以包括图形处理器(GraphicsProcessing Unit，GPU)10041和麦克风10042，图形处理器10041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。显示单元1006可包括显示面板10061，可以采用液晶显示器、有机发光二极管等形式来配置显示面板10061。用户输入单元1007包括触控面板10071以及其他输入设备10072。触控面板10071，也称为触摸屏。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其他输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。存储器1009可用于存储软件程序以及各种数据，包括但不限于应用程序和操作系统。处理器1010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1010中。
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述伪基站的定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
本申请实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述伪基站的定位方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
应理解，本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述，但是本申请并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本申请的启示下，在不脱离本申请宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本申请的保护之内。
Claims (10)
1.一种伪基站的定位方法，其特征在于，包括：
获取移动网络中的小区级网络负荷数据；
从所述小区级网络负荷数据中进行筛选，得到数据异常的目标小区；
对所述目标小区进行信令监控，定位伪基站。
2.根据权利要求1所述的方法，其特征在于，所述从所述小区级网络负荷数据中进行筛选，得到数据异常的目标小区，包括：
利用递推算法对所述小区级网络负荷数据进行异常分析，从所述小区级网络负荷数据中筛选网络负荷变化异常的小区，得到数据异常的目标小区。
3.根据权利要求1所述的方法，其特征在于，所述从所述小区级网络负荷数据中进行筛选，得到数据异常的目标小区，包括：
从所述小区级网络负荷数据中筛选出现网络拥塞的第一小区；
计算所述第一小区中每个小区出现网络拥塞的时长，并从所述第一小区中筛选出现网络拥塞时长超过预设时长的第二小区，得到数据异常的目标小区。
4.根据权利要求1所述的方法，其特征在于，所述对所述目标小区进行信令监控，定位伪基站，包括：
对所述目标小区进行信令监控，得到所述目标小区中用户的信令信息；
根据所述信令信息定位所述目标小区中用户的位置信息；
从所述位置信息中筛选预设范围内超过预设数量且移动速度低于预设阈值的目标用户；
对所述目标用户的位置进行聚类，得到伪基站的位置。
5.根据权利要求4所述的方法，其特征在于，所述根据所述信令信息定位所述目标小区中用户的位置信息，包括：
提取所述信令信息中用户的国际移动用户识别码；
根据所述国际移动用户识别码提取所述用户的位置信息。
6.根据权利要求5所述的方法，其特征在于，所述根据所述国际移动用户识别码提取所述用户的位置信息，包括：
根据所述国际移动用户识别码提取所述用户的最小化路测技术数据；
当所述用户存在最小化路测技术数据时，根据所述最小化路测技术数据解析出所述用户的位置信息。
7.根据权利要求6所述的方法，其特征在于，所述根据所述国际移动用户识别码提取所述用户的位置信息，包括：
当所述用户不存在最小化路测技术数据时，根据所述国际移动用户识别码提取所述用户的测量报告数据；
根据所述测量报告数据确定所述用户的位置信息。
8.一种伪基站的定位装置，其特征在于，包括：
获取模块，用于获取移动网络中的小区级网络负荷数据；
筛选模块，用于从所述小区级网络负荷数据中进行筛选，得到数据异常的目标小区；
定位模块，用于对所述目标小区进行信令监控，定位伪基站。
9.一种电子设备，其特征在于，包括：包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-7任一项所述的伪基站的定位方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-7任一项所述的伪基站的定位方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110399726.7A CN113194474A (zh) | 2021-04-14 | 2021-04-14 | 伪基站的定位方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110399726.7A CN113194474A (zh) | 2021-04-14 | 2021-04-14 | 伪基站的定位方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113194474A true CN113194474A (zh) | 2021-07-30 |
Family
ID=76975793
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110399726.7A Pending CN113194474A (zh) | 2021-04-14 | 2021-04-14 | 伪基站的定位方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113194474A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113645625A (zh) * | 2021-09-22 | 2021-11-12 | 中国电信股份有限公司 | 伪基站定位方法、装置、电子设备和可读介质 |
| CN116867061A (zh) * | 2021-12-31 | 2023-10-10 | 荣耀终端有限公司 | 定位方法及设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160309332A1 (en) * | 2014-12-19 | 2016-10-20 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for detecting false base stations |
| CN108574934A (zh) * | 2017-03-10 | 2018-09-25 | 中国移动通信集团福建有限公司 | 一种伪基站定位方法和装置 |
| CN109587686A (zh) * | 2017-09-29 | 2019-04-05 | 华为技术有限公司 | 识别伪基站的方法和装置 |
-
2021
- 2021-04-14 CN CN202110399726.7A patent/CN113194474A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160309332A1 (en) * | 2014-12-19 | 2016-10-20 | Telefonaktiebolaget Lm Ericsson (Publ) | Network node and method for detecting false base stations |
| CN108574934A (zh) * | 2017-03-10 | 2018-09-25 | 中国移动通信集团福建有限公司 | 一种伪基站定位方法和装置 |
| CN109587686A (zh) * | 2017-09-29 | 2019-04-05 | 华为技术有限公司 | 识别伪基站的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 梁家迎: "广西钦州：联手公安查获一批非法GoIP设备", 《中国无线电》, 26 May 2020 (2020-05-26), pages 2 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113645625A (zh) * | 2021-09-22 | 2021-11-12 | 中国电信股份有限公司 | 伪基站定位方法、装置、电子设备和可读介质 |
| CN113645625B (zh) * | 2021-09-22 | 2024-05-14 | 中国电信股份有限公司 | 伪基站定位方法、装置、电子设备和可读介质 |
| CN116867061A (zh) * | 2021-12-31 | 2023-10-10 | 荣耀终端有限公司 | 定位方法及设备 |
| CN116867061B (zh) * | 2021-12-31 | 2024-04-16 | 荣耀终端有限公司 | 定位方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9165288B2 (en) | Inferring relationships based on geo-temporal data other than telecommunications | |
| Kim et al. | Discovering semantically meaningful places from pervasive RF-beacons | |
| US9247216B2 (en) | Systems and methods for video- and position-based identification | |
| CN108243421B (zh) | 伪基站识别方法及系统 | |
| Nurmi et al. | Identifying meaningful places: The non-parametric way | |
| Hintze et al. | Mobile device usage characteristics: The effect of context and form factor on locked and unlocked usage | |
| US20120185458A1 (en) | Clustering crowd-sourced data to identify event beacons | |
| US8830909B1 (en) | Methods and systems to determine user relationships, events and spaces using wireless fingerprints | |
| CN107665289B (zh) | 一种运营商数据的处理方法及系统 | |
| US9179259B2 (en) | Recognizing unknown actors based on wireless behavior | |
| CN113194474A (zh) | 伪基站的定位方法、装置、电子设备及可读存储介质 | |
| CN110337059A (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
| Yazji et al. | Efficient location aware intrusion detection to protect mobile devices | |
| CN111158926B (zh) | 业务请求分析方法、装置及设备 | |
| CN112667875A (zh) | 一种数据获取、数据分析方法、装置、设备及存储介质 | |
| CN112073904B (zh) | 事件监控方法、系统、装置、电子设备及存储介质 | |
| CN113691483B (zh) | 异常用户设备的检测方法、装置、设备及存储介质 | |
| Sikder et al. | An efficient approach of identifying tourist by call detail record analysis | |
| CN111212381B (zh) | 移动用户行为数据分析方法、装置、计算机设备和介质 | |
| Gatmir-Motahari et al. | Time-clustering-based place prediction for wireless subscribers | |
| CN111935637A (zh) | 一种人流量分析方法、存储介质及处理器 | |
| CN106878948B (zh) | 一种信号盲点定位方法及系统 | |
| CN109993556A (zh) | 用户行为分析方法、装置、计算设备及存储介质 | |
| CN116567519A (zh) | 一种用户住家手机信号网络质量信息获取方法及装置 | |
| Cho et al. | PlaceWalker: An energy-efficient place logging method that considers kinematics of normal human walking |
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 |