JP2021078096A - 室内空間で用いられるネットワーク挙動検出器及びそのネットワーク挙動検出方法 - Google Patents
室内空間で用いられるネットワーク挙動検出器及びそのネットワーク挙動検出方法 Download PDFInfo
- Publication number
- JP2021078096A JP2021078096A JP2019216807A JP2019216807A JP2021078096A JP 2021078096 A JP2021078096 A JP 2021078096A JP 2019216807 A JP2019216807 A JP 2019216807A JP 2019216807 A JP2019216807 A JP 2019216807A JP 2021078096 A JP2021078096 A JP 2021078096A
- Authority
- JP
- Japan
- Prior art keywords
- network behavior
- value
- training
- signals
- radio frequency
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 26
- 230000006399 behavior Effects 0.000 claims description 114
- 238000012549 training Methods 0.000 claims description 98
- 238000001914 filtration Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 101150075071 TRS1 gene Proteins 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 101150002629 TAS1 gene Proteins 0.000 description 3
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/126—Anti-theft arrangements, e.g. protection against subscriber identity module [SIM] cloning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0807—Measuring electromagnetic field characteristics characterised by the application
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0892—Details related to signal analysis or treatment; presenting results, e.g. displays; measuring specific signal features other than field strength, e.g. polarisation, field modes, phase, envelope, maximum value
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/128—Anti-malware arrangements, e.g. protection against SMS fraud or mobile malware
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/40—Security arrangements using identity modules
- H04W12/47—Security arrangements using identity modules using near field communication [NFC] or radio frequency identification [RFID] modules
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/60—Context-dependent security
- H04W12/68—Gesture-dependent or behaviour-dependent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Electromagnetism (AREA)
- Animal Behavior & Ethology (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Mobile Radio Communication Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
Description
以下の実施例及び図面内において、本発明と直接関係していない部品については省略し、図示していない。また図面内の各部品間のサイズ関係は単に容易に理解するためのものであり、実際の比率を制限するために用いているのではないことを説明しておかなければならない。
ネットワーク挙動検出器1は、室内空間IS、特に、有線ネットワーク接続のみを提供する室内空間に適用される。例を挙げて言うと、室内空間ISは、企業の建物内部の会議室であることができ、かつ訪問客又は企業の従業員による会議の情報又はデータの漏洩を防ぐため、当該会議室はネットワークアクセス及びデータの伝達を制御しやすいように、有線ネットワーク接続のみが提供されている。
ネットワーク挙動検出器1は、当該チャネルのそれぞれに対し、測定を行うことが可能である。所属分野における通常の知識を有する者(当業者)は、ネットワーク挙動検出器1がWi−Fiネットワークのその他の周波数帯の範囲(例えば、5G周波数帯の範囲)又はその他の無線ネットワークシステムの無線周波数信号の測定にも使用可能であることを理解することができる。ゆえに、ここではこれ以上例を挙げて説明しないこととする。
図2は、ユーザー機器3dにおいて、アクセスポイントAPを通じて動画を伝送したときの測定結果である。図3は、ユーザー機器3dにおいて、アクセスポイントAPを通じて写真を伝送したときの測定結果である。図4は、ユーザー機器3dにおいて、アクセスポイントAPを通じてオンライン動画を受信(例えば、YouTube(登録商標)動画鑑賞)したときの測定結果である。図5は、ユーザー機器3dにおいて、アクセスポイントAPを通じて、いかなるデータも伝送又は受信していないときの測定結果である。図5において、ネットワーク挙動検出器1が測定した無線周波数信号は、アクセスポイントAPが伝送した放送信号であることを説明しておかなければならない。図2から図5により、異なるネットワーク挙動が対応する無線周波数信号は、異なる伝送パターン(pattern)を有し、かつこれらの伝送パターンは明らかな差異性を有することがわかる。
ネットワーク挙動検出器1がデジタル信号変換DSTを実行するプロセスでは、時間領域上の無線周波数信号RS1についてサンプリング(sampling)を実行するとともに、1024ポイントの離散フーリエ変換(Discrete Fourier Transform;DFT)の信号処理を実行し、これによりデジタル信号DS1を生成する。
臨界値の設定は、ノイズのみを有するデジタル信号又はエネルギーが小さいデジタル信号をフィルタリングするためであるので、所属技術分野における通常の知識を有する者(当業者)は、臨界値の大きさが室内空間ISの空間の大きさと互いに関係しているため、実際の操作上においては室内空間ISの空間の大きさによって適切に臨界値を設定するものであることを理解することができる。前述のネットワーク挙動検出器1が各デジタル信号DS1〜DSnのエネルギー値を計算するとは、各デジタル信号DS1〜DSnの複数のサブキャリア(subcarrier)のエネルギー平均値、エネルギーピーク値最大値、又はデジタル信号DS1〜DSnのエネルギー値を示すその他数値を計算することを指すが本発明はこれらに限定されない。
最大値AS1MAX、最小値AS1MIN、中央値AS1MED、平均値AS1MEAN、標準偏差AS1STD及び総和AS1SUMは、分析信号AS1の中から得たものである。最大値AS2MAX、最小値AS2MIN、中央値AS2MED、平均値AS2MEAN、標準偏差AS2STD及び総和AS2SUMは、分析信号AS2の中から得たものである。最大値AS3MAX、最小値AS3MIN、中央値AS3MED、平均値AS3MEAN、標準偏差AS3STD及び総和AS3SUMは、分析信号AS3の中から得たものである。以下これにより類推し、最大値AS100MAX、最小値AS100MIN、中央値AS100MED、平均値AS100MEAN、標準偏差AS100STD及び総和AS100SUMは、分析信号AS100の中から得たものである。
ネットワーク挙動は、前述の動画伝送、写真電送、オンライン動画受信又はその他の可能な伝送挙動の中のいずれであっても良い。これにより、識別結果IRに基づいて、ネットワーク挙動検出器1は、不適切な無線ネットワーク挙動を即時に発見できるとともに、関連人員のユーザー機器に適時にアラートを発信し、又は通知情報を伝送することができる。これにより情報又はデータ流出防止のため、さらに進んで臨機応変に対処可能な対応策とすることができる。
まず、ネットワーク挙動検出器1は、室内空間IS中の複数の訓練無線周波数信号TRS1〜TRSNを受信する。この中のNは正の整数である。訓練無線周波数信号TRS1〜TRSNは、ユーザー機器による既知のネットワーク挙動(例えば、動画伝送、写真電送、オンライン動画受信又はその他の可能なあらゆる伝送挙動)の実行によって生成される。言い換えると、ネットワーク挙動検出器1が既知のネットワーク挙動に対応する無線周波数信号を受信することにより、後続の機器学習モデルMLMの訓練に用いるサンプル(sample)の生成に供される。
最後に、訓練後の機器学習モデルMLMに基づき、ネットワーク挙動検出器1は識別モデルIMを生成する。言い換えると、上記方式により訓練した後の機器学習モデルMLMは、本発明の識別モデルIMとすることができ、これにより、実施例1で述べたように、不適切な無線ネットワーク挙動を検出するのに用いられる。
引き続いて、プロセッサ13は、当該デジタル信号のうち、当該エネルギー値が臨界値より小さいものをフィルタリングし、これにより複数の分析信号を生成する(図7に示したとおりである)。各分析信号の当該エネルギー特性値は、最大値、最小値、中央値、平均値、標準偏差及び総和のうち、少なくとも2つを含むことができる。
当該訓練分析信号の中から複数の訓練データを採取し、その中で当該訓練分析信号の数量が予め設定した数量まで累積されたとき、予め設定した数量の当該訓練分析信号の中から各訓練分析信号の当該エネルギー特性値を採取し、当該訓練データの中の1つとする。当該訓練データを機器学習モデルに入力し、これにより機器学習モデルを訓練する。及び、訓練後の機器学習モデルに基づいて、識別モデルを生成する。
3a、3b、3c、3d ユーザー機器
AP アクセスポイント
IS 室内空間
RS1〜RSn 無線周波数信号
DS1〜DSn デジタル信号
DST デジタル信号変換
NF ノイズフィルタリング
AS1〜ASm 分析信号
SW スライディングウィンドウ
FD 特性データ
AS1MAX〜AS100MAX 最大値
AS1MIN〜AS100MIN 最小値
AS1MED〜AS100MED 中央値
AS1MEAN〜AS100MEAN 平均値
AS1STD〜AS100STD 標準偏差
AS1SUM〜AS100SUM 総和
IM 識別モデル
IR、IR1〜IRM 識別結果
TRS1〜TRSN 訓練無線周波数信号
TDS1〜TDSN 訓練デジタル信号
TAS1〜TASM 訓練分析信号
TD1〜TDi 訓練データ
MLM 機器学習モデル
11 無線周波数受信器
13 プロセッサ
S1201〜S1211 手順
Claims (18)
- 室内空間で用いられるネットワーク挙動検出器であって、
無線周波数受信器、及び、
前記無線周波数受信器に電気的に接続されているプロセッサを含み、
前記プロセッサは、前記無線周波数受信器により、前記室内空間中の複数の無線周波数信号を受信する、前記無線周波数信号を複数のデジタル信号に変換する、各前記デジタル信号のエネルギー値を計算する、前記デジタル信号のうち、前記エネルギー値が臨界値より小さいものをフィルタリングし、これにより複数の分析信号を生成する、各前記分析信号の複数のエネルギー特性値を採取し、これにより特性データを生成する、及び、識別モデルにより前記特性データを分析し、これにより識別結果を生成し、この中で前記識別結果は複数のネットワーク挙動のうちの1つに対応する、という操作を実行するのに用いられる、
室内空間で用いられるネットワーク挙動検出器。 - 前記無線周波数信号が無線LANのチャネル(channel)上から受信される、請求項1に記載のネットワーク挙動検出器。
- 各前記分析信号の前記エネルギー特性値は、最大値、最小値、中央値、平均値、標準偏差及び総和のうち少なくとも2つを含む、請求項1に記載のネットワーク挙動検出器。
- 前記プロセッサがスライディングウィンドウ(sliding window)に基づき、前記デジタル信号のうち、前記エネルギー値が前記臨界値より小さいものをフィルタリングする、請求項1に記載のネットワーク挙動検出器。
- 前記室内空間における空間の大きさは、前記臨界値と互いに関係している、請求項1に記載のネットワーク挙動検出器。
- 前記プロセッサは、前記デジタル信号のうち、前記エネルギー値が前記臨界値より小さいものをフィルタリングし、これにより予め設定した数量の前記分析信号を得る、請求項1に記載のネットワーク挙動検出器。
- 各前記デジタル信号の前記エネルギー値が複数のサブキャリア(subcarrier)のエネルギー平均値である、請求項1に記載のネットワーク挙動検出器。
- 前記無線周波数受信器により、前記室内空間中の複数の訓練無線周波数信号を受信する、前記訓練無線周波数信号を複数の訓練デジタル信号に変換する、各前記訓練デジタル信号の前記エネルギー値を計算する、前記訓練デジタル信号のうち、前記エネルギー値が前記臨界値より小さいものをフィルタリングし、これにより複数の訓練分析信号を生成する、前記訓練分析信号の中から複数の訓練データを採取し、その中で前記訓練分析信号の数量が予め設定した数量まで累積されたとき、前記予め設定した数量の前記訓練分析信号の中から各前記訓練分析信号の前記エネルギー特性値を採取して前記訓練データの中の1つとする、前記訓練データを機器学習モデルに入力し、これにより前記機器学習モデルを訓練する、及び、訓練後の前記機器学習モデルに基づき、前記識別モデルを生成する、という各操作が前記プロセッサにより実行されることに基づいて、前記識別モデルが生成される、請求項1に記載のネットワーク挙動検出器。
- 前記機器学習モデルは、畳み込みニューラルネットワーク(Convolutional Neural Network;CNN)モデルである、請求項8に記載のネットワーク挙動検出器。
- ネットワーク挙動検出器に用いられるネットワーク挙動検出方法であって、
前記ネットワーク挙動検出器は室内空間に設置され、
前記ネットワーク挙動検出器は無線周波数受信器及びプロセッサを含み、前記ネットワーク挙動検出方法は、前記プロセッサにより実行され、
前記無線周波数受信器により、前記室内空間中の複数の無線周波数信号を受信する、
前記無線周波数信号を複数のデジタル信号に変換する、
各前記デジタル信号のエネルギー値を計算する、
前記デジタル信号のうち、前記エネルギー値が臨界値より小さいものをフィルタリングし、これにより複数の分析信号を生成する、
各前記分析信号の複数のエネルギー特性値を採取し、これにより特性データを生成する、及び、
識別モデルにより前記特性データを分析し、これにより識別結果を生成し、この中で前記識別結果は複数のネットワーク挙動のうちの1つに対応する、という手順を含む、
ネットワーク挙動検出器に用いられるネットワーク挙動検出方法。 - 前記無線周波数信号が無線LANのチャネル(channel)上から受信される、請求項10に記載のネットワーク挙動検出方法。
- 各前記分析信号の前記エネルギー特性値は、最大値、最小値、中央値、平均値、標準偏差及び総和のうち少なくとも2つを含む、請求項10に記載のネットワーク挙動検出方法。
- スライディングウィンドウ(sliding window)に基づき、前記デジタル信号のうち、前記エネルギー値が前記臨界値より小さいものをフィルタリングする、という手順を含む、請求項10に記載のネットワーク挙動検出方法。
- 前記室内空間における空間の大きさは、前記臨界値と互いに関係している、請求項10に記載のネットワーク挙動検出方法。
- 前記デジタル信号のうち、前記エネルギー値が前記臨界値より小さいものをフィルタリングし、これにより予め設定した数量の前記分析信号を得る、という手順を含む、請求項10に記載のネットワーク挙動検出方法。
- 各前記デジタル信号の前記エネルギー値が複数のサブキャリア(subcarrier)のエネルギー平均値である、請求項10に記載のネットワーク挙動検出方法。
- 前記無線周波数受信器により、前記室内空間中の複数の訓練無線周波数信号を受信する、前記訓練無線周波数信号を複数の訓練デジタル信号に変換する、各前記訓練デジタル信号の前記エネルギー値を計算する、前記訓練デジタル信号のうち、前記エネルギー値が前記臨界値より小さいものをフィルタリングし、これにより複数の訓練分析信号を生成する、前記訓練分析信号の中から複数の訓練データを採取し、その中で前記訓練分析信号の数量が予め設定した数量まで累積されたとき、前記予め設定した数量の前記訓練分析信号の中から各前記訓練分析信号の前記エネルギー特性値を採取し、前記訓練データの中の1つとする、前記訓練データを機器学習モデルに入力し、これにより前記機器学習モデルを訓練する、及び、訓練後の前記機器学習モデルに基づき、前記識別モデルを生成する、という手順に基づいて、前記識別モデルが生成される、請求項10に記載のネットワーク挙動検出方法。
- 前記機器学習モデルは、畳み込みニューラルネットワーク(Convolutional Neural Network;CNN)モデルである、請求項17に記載のネットワーク挙動検出方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108140847A TWI776094B (zh) | 2019-11-11 | 2019-11-11 | 用於室內空間之連網行為偵測器及其連網行為偵測方法 |
TW108140847 | 2019-11-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021078096A true JP2021078096A (ja) | 2021-05-20 |
JP6992038B2 JP6992038B2 (ja) | 2022-01-13 |
Family
ID=75847310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019216807A Active JP6992038B2 (ja) | 2019-11-11 | 2019-11-29 | 室内空間で用いられるネットワーク挙動検出器及びそのネットワーク挙動検出方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11368847B2 (ja) |
JP (1) | JP6992038B2 (ja) |
TW (1) | TWI776094B (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11540130B2 (en) * | 2019-02-04 | 2022-12-27 | 802 Secure, Inc. | Zero trust wireless monitoring-system and method for behavior based monitoring of radio frequency environments |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001057531A (ja) * | 1999-08-18 | 2001-02-27 | Toyo Commun Equip Co Ltd | 無線受信機 |
JP2008252255A (ja) * | 2007-03-29 | 2008-10-16 | Nec Corp | 電波監視システム及び電波監視方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6845357B2 (en) * | 2001-07-24 | 2005-01-18 | Honeywell International Inc. | Pattern recognition using an observable operator model |
US7480266B2 (en) * | 2004-11-30 | 2009-01-20 | Intel Corporation | Interference adaptation apparatus, systems, and methods |
US9652362B2 (en) * | 2013-12-06 | 2017-05-16 | Qualcomm Incorporated | Methods and systems of using application-specific and application-type-specific models for the efficient classification of mobile device behaviors |
CN108235359B (zh) * | 2016-12-22 | 2021-08-06 | 上海掌门科技有限公司 | 一种用于确定与无线连接相关的属性信息的方法与设备 |
US20190014137A1 (en) * | 2017-07-10 | 2019-01-10 | ZingBox, Inc. | IoT DEVICE SECURITY |
CN109657390A (zh) | 2018-12-28 | 2019-04-19 | 中国电子科技集团公司第二十九研究所 | 一种射频集成制造中工艺ip统计建模方法 |
CN109743314A (zh) * | 2018-12-29 | 2019-05-10 | 杭州迪普科技股份有限公司 | 网络异常的监控方法、装置、计算机设备及其存储介质 |
-
2019
- 2019-11-11 TW TW108140847A patent/TWI776094B/zh active
- 2019-11-29 JP JP2019216807A patent/JP6992038B2/ja active Active
- 2019-12-03 US US16/702,421 patent/US11368847B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001057531A (ja) * | 1999-08-18 | 2001-02-27 | Toyo Commun Equip Co Ltd | 無線受信機 |
JP2008252255A (ja) * | 2007-03-29 | 2008-10-16 | Nec Corp | 電波監視システム及び電波監視方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210144556A1 (en) | 2021-05-13 |
US11368847B2 (en) | 2022-06-21 |
JP6992038B2 (ja) | 2022-01-13 |
TW202119841A (zh) | 2021-05-16 |
TWI776094B (zh) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schauer et al. | Estimating crowd densities and pedestrian flows using wi-fi and bluetooth | |
Longo et al. | Accurate occupancy estimation with WiFi and bluetooth/BLE packet capture | |
Lu et al. | A novel robust detection algorithm for spectrum sensing | |
CN106961655B (zh) | 在无线通信系统中用于检测伪造通告器的装置和方法 | |
US20140071273A1 (en) | Recognition Based Security | |
CN103731633A (zh) | 一种可进行远程监控的电视装置及其控制方法 | |
KR20200038731A (ko) | 실내 유동인구 분석 방법 및 장치 | |
CN110022182A (zh) | 干扰源预测模型建立方法、干扰源识别方法、装置和终端设备 | |
US10397814B2 (en) | Wireless communication method and device | |
JP6992038B2 (ja) | 室内空間で用いられるネットワーク挙動検出器及びそのネットワーク挙動検出方法 | |
CN105636149A (zh) | 用于中继的方法、装置及系统 | |
CN114125806B (zh) | 基于无线网络流量的云存储模式的无线摄像头检测方法 | |
Xia et al. | WiFi-based indoor passive fall detection for medical Internet of Things | |
KR20170043005A (ko) | 통신 장치의 수신신호 측정을 위한 장치 및 방법 | |
CN108540747A (zh) | 视频监控方法、装置和系统 | |
CN207780551U (zh) | 一种电器柜智能监控系统 | |
CN114449444B (zh) | 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法 | |
Wu et al. | Intrusion Detection with Radio Frequency Sensing based on Wi-Fi Mesh Network for Home Security | |
US20210258742A1 (en) | Apparatus for estimating number of people and method for estimating number of people | |
Schauer et al. | Analyzing Pedestrian Flows Based on Wi-Fi and Bluetooth Captures | |
KR20180072318A (ko) | 데이터 왜곡을 방지할 수 있는 사물 인터넷 네트워크 시스템 | |
CN113891067A (zh) | 一种无线网络摄像头定位方法、装置、存储介质与电子设备 | |
Zhou et al. | An improved spectrum sensing method: energy-autocorrelation-based detection technology | |
CN112235819A (zh) | 一种拍摄装置探测方法 | |
CN204795382U (zh) | 具有视频监控以及无线接入点功能的一体化设备及具有该一体化设备的视频监控系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210302 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210527 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20210802 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211208 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6992038 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |