CN114866385A - 一种5g通信终端智能探测与干扰攻击方法 - Google Patents
一种5g通信终端智能探测与干扰攻击方法 Download PDFInfo
- Publication number
- CN114866385A CN114866385A CN202210411526.3A CN202210411526A CN114866385A CN 114866385 A CN114866385 A CN 114866385A CN 202210411526 A CN202210411526 A CN 202210411526A CN 114866385 A CN114866385 A CN 114866385A
- Authority
- CN
- China
- Prior art keywords
- protocol
- signals
- analysis
- intelligent detection
- data
- 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 29
- 238000004891 communication Methods 0.000 title claims abstract description 22
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000010295 mobile communication Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 238000013136 deep learning model Methods 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 5
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 21
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000013210 evaluation model Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000019771 cognition Effects 0.000 abstract description 4
- 230000002441 reversible effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005474 detonation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/03—Shaping networks in transmitter or receiver, e.g. adaptive shaping networks
- H04L25/03828—Arrangements for spectral shaping; Arrangements for providing signals with specified spectral properties
- H04L25/03834—Arrangements for spectral shaping; Arrangements for providing signals with specified spectral properties using pulse shaping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及5G通信技术领域，具体涉及一种5G通信终端智能探测与干扰攻击方法，本发明通过多信道射频接收单元接收各种制式移动通信信号，分配给通用的信号处理平台完成基带信号处理，进行全景时频域信号分析，自适应目标状态跟踪，再通过5G网络的链路层协议分析协议消息，截获目标终端信息，并利用频谱快照方式对各种模式的信号进行拍照成图，构建基于图像识别的深度学习模型，识别并产生最佳匹配干扰波形，形成对目标实时模式的跟踪对抗，实现对目标终端的实时认知以及快速自主决策，同时，通过比特流协议逆向容错分析，实现在比特差错概率下的未知数据链路层协议的特征序列的高效提取、数据帧定界和帧格式推算。
Description
技术领域
本发明涉及5G通信技术领域，具体涉及一种5G通信终端智能探测与干扰攻击方法。
背景技术
蜂窝网移动通信系统自上世纪70年代以来，从多个不同的国家标准到统一的国际标准，从单一的话音业务到可提供话音、短信、彩信、网上冲浪、移动视频等综合数据业务的变迁。第一代（1G）早已落幕，目前，全球移动通信网络正处于2G/3G/4G并存的局面，5G标准的研究与制定工作也在紧锣密鼓的进行中，2018年6月，3GPP将正式发布5G独立组网（SA）标准，目前各国将陆续在局部热点地区展开5G的商用测试。5G不但是通信速度的提升，新能源车的无线充电、VR等传播技术都将得到大规模应用。
移动通信网络是把“双刃剑”。一方面，它在为大家提供互联互通的方便；另一方面，由于其开放性和通用性，又成为许多不法分子传输信息的“温床”。垃圾短信、诈骗电话漫天飞；远程指挥、有组织聚众从事各种非法活动层出不穷；遥控操纵路边炸弹起爆事件时有发生。它们都无一例外的借助移动通信网进行技术支撑。因此，保障网络安全、合理享用新一代移动通信网络红利至关重要。
发明内容
为了保障网络安全，本发明在于提供一种5G通信终端智能探测与干扰攻击方法，本发明针对5G手机终端工作模式监视与跟踪、自适应干扰攻击的问题，能够实现对目标终端的实时认知以及快速自主决策，同时，在协议层先验知识缺失背景下，通过比特流协议逆向容错分析，实现在比特差错概率下的未知数据链路层协议的特征序列的高效提取、数据帧定界和帧格式推算，从而实现了推动下一代移动通信对抗技术的效果。
为实现本发明的目的，本发明提供了如下技术方案：
一种5G通信终端智能探测与干扰攻击方法，包括以下步骤：
（1）多信道射频接收单元接收各种制式移动通信信号，分配给通用的信号处理平台完成基带信号处理，进行全景时频域信号分析，自适应目标状态跟踪；
（2）通过5G网络的链路层协议分析协议消息，截获目标终端信息；
（3）利用频谱快照方式对各种模式的信号进行拍照成图，构建基于图像识别的深度学习模型，识别并产生最佳匹配干扰波形，形成对目标实时模式的跟踪对抗。
本发明进一步设置为：在步骤（1）中，所述的基带信号处理包括利用增强型FPGA完成对输入基带信号的滤波、小区搜索、同步与跟踪、解调和MIMO处理，以及利用增强型DSP完成解调数据的逆映射处理。
本发明进一步设置为：在步骤（1）中，由增强型FPGA对各种制式基带信号进行低通型抽取，获得各种通信制式的基带时域信号，传输至智能参数识别分析设备进行全景时频域信号分析。
本发明进一步设置为：在步骤（2）中，所述的链路层协议分析，包括以下步骤：
1）面向比特流的协议特征序；
2）基于同步码的链路数据帧定界；
3）结合密度聚类的链路数据帧格式推断。
本发明进一步设置为：在步骤1）中，所述的面向比特流的协议特征序的实现方法为：
依五元组
构建有限状态自动机；根据比特流数据的典型特点，构建由字符形成的字典树；将比特流数据作为有限状态机的输入，对字典树中各模式序列的频次和位置统计；再根据比特流序列的统计特性、位置分布特性、差错概率特性设计筛选阈值和关联规则，形成可用于协议分析的特征序列集。
本发明进一步设置为：在步骤2）中，所述的基于同步码的链路数据帧定界的实现方法为：
统计各频繁序列在比特流中出现的位置偏移量
；将符合关联规则的特征序列对进行拼接，更新其相关参数；将更新后的
按降序排列，选出最靠前的位置偏移量作为有效帧长，其对应的特征序列即为可能的同步码字。
本发明进一步设置为：在步骤3）中，所述的结合密度聚类的链路数据帧格式推断的方法为：
将协议数据进行聚类分析，分离不同类型的消息帧；依据簇头度量关系式
计算簇头度量
并对其中元素进行降序排列，其中符号
表示矩阵哈达马乘积；依据簇头选择准则选择簇头度量
中分离度超过阈值的一组元素对应的数据对象作为簇头；给各个簇头分配不同簇编号，并分别以各个簇头作为根结点，通过遍历邻居关系将每一数据对象划分入特定簇中，输出聚类分析结果。
本发明进一步设置为：在步骤（3）中，在识别并产生最佳匹配干扰波形后，还会通过感知目标物理层参数变化，构建在线评估模型，对跟踪对抗进行评估。
有益效果
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
本发明本针对5G手机终端工作模式监视与跟踪、自适应干扰攻击的问题，通过多信道射频接收单元接收各种制式移动通信信号，分配给通用的信号处理平台完成基带信号处理，进行全景时频域信号分析，自适应目标状态跟踪，再通过5G网络的链路层协议分析协议消息，截获目标终端信息，并利用频谱快照方式对各种模式的信号进行拍照成图，构建基于图像识别的深度学习模型，识别并产生最佳匹配干扰波形，形成对目标实时模式的跟踪对抗，以及构建在线评估模型，对跟踪对抗进行评估，实现对目标终端的实时认知以及快速自主决策，同时，在协议层先验知识缺失背景下，通过比特流协议逆向容错分析，实现在比特差错概率下的未知数据链路层协议的特征序列的高效提取、数据帧定界和帧格式推算，从而实现了推动下一代移动通信对抗技术的效果。
附图说明
图1为一种5G通信终端智能探测与干扰攻击方法的流程图；
图2为实施例中比特模式序列字典树的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
为了实现本发明的效果，下面结合实施例对本发明作进一步的描述。
实施例：
参照图1-2所示，一种5G通信终端智能探测与干扰攻击方法，包括以下步骤：
（1）多信道射频接收单元接收各种制式移动通信信号的信号，分配给通用的信号处理平台完成基带信号处理，进行全景时频域信号分析，自适应目标状态跟踪。
基带信号处理包括利用增强型FPGA完成对输入基带信号的滤波、小区搜索、同步与跟踪、解调和MIMO处理，以及利用增强型DSP完成解调数据的逆映射处理。
由增强型FPGA对各种制式基带信号进行低通型抽取，获得各种通信制式的基带时域信号，传输至智能参数识别分析设备进行全景时频域信号分析。
在本实施例中，通过对基带信号的处理，便于后续对各种制式基带信号进行低通型抽取，也提高了信号抽取的准确性，通过结合全景时频域信号分析，能够高效检测并跟踪5G通信终端的工作状态。
（2）通过5G网络的链路层协议分析协议消息，截获目标终端信息。
其中，链路层协议分析，包括以下步骤：
1）面向比特流的协议特征序；
2）基于同步码的链路数据帧定界；
3）结合密度聚类的链路数据帧格式推断。
作为本发明的一种现实方式，面向比特流的协议特征序的实现方法为：依五元组
构建有限状态自动机；根据比特流数据的典型特点，构建由字符形成的字典树（如图2所示）；将比特流数据作为有限状态机的输入，对字典树中各模式序列的频次和位置统计；再根据比特流序列的统计特性、位置分布特性、差错概率特性设计筛选阈值和关联规则，形成可用于协议分析的特征序列集。
需要说明的是，在五元组
中，
有限状态集含有K个状态，
定义了输入字符表，
表征状态转移函数，
为初始状态，
为终结状态集。
在本步骤中，基于同步码的链路数据帧定界的实现方法为：统计各频繁序列在比特流中出现的位置偏移量
；将符合关联规则的特征序列对进行拼接，更新其相关参数；将更新后的
按降序排列，选出最靠前的位置偏移量作为有效帧长L，其对应的特征序列U即为可能的同步码字。
需要说明的是，本发明只需正确生成同步码字，则链路数据帧即可根据相关度量和直接匹配明确定界，特征序列集中通常包含了多种类型的频繁序列。
在本步骤中，结合密度聚类的链路数据帧格式推断的方法为：将协议数据进行聚类分析，分离不同类型的消息帧；依据簇头度量关系式
计算簇头度量
并对其中元素进行降序排列，其中符号
表示矩阵哈达马乘积；依据簇头选择准则选择簇头度量
中分离度超过阈值的一组元素对应的数据对象作为簇头；给各个簇头分配不同簇编号，并分别以各个簇头作为根结点，通过遍历邻居关系将每一数据对象划分入特定簇中，输出聚类分析结果。
需要说明的是，同一通信协议通常包含若干不同消息类型及其对应的规范格式，每一条协议消息数据帧都包含一个或者多个特征序列或关键字，不同协议消息帧结构存在一定差异性。为了实现对链路数据帧结构的合理推断，本发明采用以上方法实现。通过将协议数据进行聚类分析，分离不同类型的消息帧，可实现将相同类型的数据帧聚合在一起，达到簇内相似度高，簇间相似度低的效果。在本实施例中，采用增量密度聚类算法来实现协议消息帧的分离，其为利用数据对象之间的距离测算数据对象的局部密度及其与高密度邻居的距离，进而快速实现数据分簇的静态聚类方法，在数据集发生变化时，通过深入解析增量数据对象带来的特殊计算需求和局部制约因素来大幅改善执行效率、降低系统开销。
在实施例中，按如下字段划分方式实现消息帧结构推断分析：
一、本征字段：在所有协议消息帧中位置固定，码字固定；二、消息字段：在特定协议消息帧中位置固定，码字固定；三、控制字段：在特定协议消息帧中位置固定，码字不固定；四、地址字段：在特定协议消息帧中位置固定，码字相邻且定长。
（3）利用频谱快照方式对各种模式的信号进行拍照成图，构建基于图像识别的深度学习模型，识别并产生最佳匹配干扰波形，形成对目标实时模式的跟踪对抗。
在识别并产生最佳匹配干扰波形后，还会通过感知目标物理层参数变化，构建在线评估模型，对跟踪对抗进行评估。
在本步骤中，对于全网通5G手机终端，在空闲状态下一般会优选5G和4G LTE的某一基站作为其服务小区。同时，通过周期性的发起同频和异频测量，实时监视同一band下的不同小区或者不同band下的小区，将这些小区作为其备选小区集以备随时切换之需。只有当5G或4G信号太弱或者其它外界干扰时，手机才会由4G切换到3G或者2G模式。
为了使得目标终端能够在不同的小区和网络之间自由的重选和迁移状态，在本发明中还会利用常规的虚拟基站接入攻击技术，诱导目标手机终端入网，并产生各种灵巧式攻击信令、干扰波形，驱使手机产生各种状态迁移和工作参数调整行为。
本发明针对5G手机终端工作模式监视与跟踪、自适应干扰攻击的问题，能够实现对目标终端的实时认知以及快速自主决策，同时，在协议层先验知识缺失背景下，通过比特流协议逆向容错分析，实现在比特差错概率下的未知数据链路层协议的特征序列的高效提取、数据帧定界和帧格式推算，从而实现了推动下一代移动通信对抗技术的效果。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种5G通信终端智能探测与干扰攻击方法，其特征在于，包括以下步骤：
（1）多信道射频接收单元接收各种制式移动通信信号，分配给通用的信号处理平台完成基带信号处理，进行全景时频域信号分析，自适应目标状态跟踪；
（2）通过5G网络的链路层协议分析协议消息，截获目标终端信息；
（3）利用频谱快照方式对各种模式的信号进行拍照成图，构建基于图像识别的深度学习模型，识别并产生最佳匹配干扰波形，形成对目标实时模式的跟踪对抗。
2.根据权利要求1所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤（1）中，所述的基带信号处理包括利用增强型FPGA完成对输入基带信号的滤波、小区搜索、同步与跟踪、解调和MIMO处理，以及利用增强型DSP完成解调数据的逆映射处理。
3.根据权利要求1所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤（1）中，由增强型FPGA对各种制式基带信号进行低通型抽取，获得各种通信制式的基带时域信号，传输至智能参数识别分析设备进行全景时频域信号分析。
4.根据权利要求1所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤（2）中，所述的链路层协议分析，包括以下步骤：
1）面向比特流的协议特征序；
2）基于同步码的链路数据帧定界；
3）结合密度聚类的链路数据帧格式推断。
5.根据权利要求4所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤1）中，所述的面向比特流的协议特征序的实现方法为：
依五元组
构建有限状态自动机；根据比特流数据的典型特点，构建由字符形成的字典树；将比特流数据作为有限状态机的输入，对字典树中各模式序列的频次和位置统计；再根据比特流序列的统计特性、位置分布特性、差错概率特性设计筛选阈值和关联规则，形成可用于协议分析的特征序列集。
6.根据权利要求4所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤2）中，所述的基于同步码的链路数据帧定界的实现方法为：
统计各频繁序列在比特流中出现的位置偏移量
；将符合关联规则的特征序列对进行拼接，更新其相关参数；将更新后的
按降序排列，选出最靠前的位置偏移量作为有效帧长，其对应的特征序列即为可能的同步码字。
7.根据权利要求4所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤3）中，所述的结合密度聚类的链路数据帧格式推断的方法为：
将协议数据进行聚类分析，分离不同类型的消息帧；依据簇头度量关系式
计算簇头度量
并对其中元素进行降序排列，其中符号
表示矩阵哈达马乘积；依据簇头选择准则选择簇头度量
中分离度超过阈值的一组元素对应的数据对象作为簇头；给各个簇头分配不同簇编号，并分别以各个簇头作为根结点，通过遍历邻居关系将每一数据对象划分入特定簇中，输出聚类分析结果。
8.根据权利要求1所述的一种5G通信终端智能探测与干扰攻击方法，其特征在于，在步骤（3）中，在识别并产生最佳匹配干扰波形后，还会通过感知目标物理层参数变化，构建在线评估模型，对跟踪对抗进行评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210411526.3A CN114866385A (zh) | 2022-04-19 | 2022-04-19 | 一种5g通信终端智能探测与干扰攻击方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210411526.3A CN114866385A (zh) | 2022-04-19 | 2022-04-19 | 一种5g通信终端智能探测与干扰攻击方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114866385A true CN114866385A (zh) | 2022-08-05 |
Family
ID=82631846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210411526.3A Pending CN114866385A (zh) | 2022-04-19 | 2022-04-19 | 一种5g通信终端智能探测与干扰攻击方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114866385A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115250153A (zh) * | 2022-09-22 | 2022-10-28 | 湖南艾科诺维科技有限公司 | 一种自适应跟踪滤波的数字信道化方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033636A (zh) * | 2018-07-27 | 2018-12-18 | 电子科技大学 | 基于链路层比特流盲分析的链路层接入机制分析方法 |
| CN111795611A (zh) * | 2020-05-20 | 2020-10-20 | 中南民族大学 | 一种低复杂度无人机调制方式盲识别及其反制方法、系统 |
| CN112929253A (zh) * | 2019-12-05 | 2021-06-08 | 北京沃东天骏信息技术有限公司 | 一种虚拟形象交互方法和装置 |
| CN113382039A (zh) * | 2021-05-07 | 2021-09-10 | 中国科学院信息工程研究所 | 一种基于5g移动网络流量分析的应用识别方法和系统 |
-
2022
- 2022-04-19 CN CN202210411526.3A patent/CN114866385A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033636A (zh) * | 2018-07-27 | 2018-12-18 | 电子科技大学 | 基于链路层比特流盲分析的链路层接入机制分析方法 |
| CN112929253A (zh) * | 2019-12-05 | 2021-06-08 | 北京沃东天骏信息技术有限公司 | 一种虚拟形象交互方法和装置 |
| CN111795611A (zh) * | 2020-05-20 | 2020-10-20 | 中南民族大学 | 一种低复杂度无人机调制方式盲识别及其反制方法、系统 |
| CN113382039A (zh) * | 2021-05-07 | 2021-09-10 | 中国科学院信息工程研究所 | 一种基于5g移动网络流量分析的应用识别方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115250153A (zh) * | 2022-09-22 | 2022-10-28 | 湖南艾科诺维科技有限公司 | 一种自适应跟踪滤波的数字信道化方法及系统 |
| CN115250153B (zh) * | 2022-09-22 | 2022-12-09 | 湖南艾科诺维科技有限公司 | 一种自适应跟踪滤波的数字信道化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111935721B (zh) | 一种实现异构网络共存的方法和系统 | |
| Xia et al. | Cellular signal identification using convolutional neural networks: AWGN and Rayleigh fading channels | |
| CN109451486B (zh) | 基于探测请求帧的WiFi采集系统及WiFi终端探测方法 | |
| CN110649982B (zh) | 基于次用户节点选择的双阈值能量检测方法 | |
| CN114866385A (zh) | 一种5g通信终端智能探测与干扰攻击方法 | |
| Li et al. | Activetracker: Uncovering the trajectory of app activities over encrypted internet traffic streams | |
| CN112019500B (zh) | 一种基于深度学习的加密流量识别方法及电子装置 | |
| Wang et al. | Benchmark data for mobile app traffic research | |
| CN109033636A (zh) | 基于链路层比特流盲分析的链路层接入机制分析方法 | |
| Wang et al. | Specific emitter identification based on deep adversarial domain adaptation | |
| CN105553574A (zh) | 一种认知无线电中基于支持向量机的mac协议识别方法 | |
| Liu et al. | A novel wireless interference identification and scheduling method based on convolutional neural network | |
| CN110944002B (zh) | 一种基于指数平均数据增强的物理层认证方法 | |
| CN115866615B (zh) | 一种基于电磁频谱特征的无线网络通联关系发现方法 | |
| Zhang et al. | A spectrum sensing algorithm for OFDM signal based on deep learning and covariance matrix graph | |
| Hazra et al. | PLIO: physical layer identification using one-shot learning | |
| CN111191703A (zh) | 一种无线局域网络流量分析的方法和系统 | |
| Wang et al. | Deep learning method for generalized modulation classification under varying noise condition | |
| CN102088741B (zh) | 无线传感器网络中应对恶意干扰的方法 | |
| CN110213785A (zh) | 故障弱化的处理方法、网络设备、终端设备及系统 | |
| CN113807373B (zh) | 一种流量识别方法及装置、设备、存储介质 | |
| Pan et al. | Spectrum Sensing Based on CNN-LSTM with Attention for Cognitive Radio Networks | |
| He et al. | Frequency hopping signal sorting based on spectrum monitoring data by adaptive dbscan | |
| He et al. | A learning based cognitive radio receiver | |
| Yin | Application of Active Learning Algorithm in Mobile Ad Hoc Network Intrusion Detection |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220805 |