論文の概要: Over-The-Air Double-Threshold Deep Learner for Jamming Detection in 5G
RF domain
- arxiv url: http://arxiv.org/abs/2403.02645v1
- Date: Tue, 5 Mar 2024 04:29:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 16:07:31.979511
- Title: Over-The-Air Double-Threshold Deep Learner for Jamming Detection in 5G
RF domain
- Title(参考訳): 5g rfドメインにおけるジャミング検出のための空中ダブルスレッショルド深層学習器
- Authors: Ghazal Asemian, Mohammadreza Amini, Burak Kantarci, Melike
Erol-Kantarci
- Abstract要約: 本研究は,5Gネットワークにおけるジャマー検出のための新しい深層学習手法を提案する。
ネットワークパラメータに大きく依存する既存のジャミング検出アルゴリズムとは異なり、二重しきい値のディープラーニングジャミング検出を導入する。
この検出方法は,既存のネットワークインフラストラクチャと統合することなく,RF領域の特徴に着目し,ネットワークの堅牢性を向上させる。
- 参考スコア(独自算出の注目度): 11.15939066175832
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the evolution of 5G wireless communications, the Synchronization Signal
Block (SSB) plays a critical role in the synchronization of devices and
accessibility of services. However, due to the predictable nature of SSB
transmission, including the Primary and Secondary Synchronization Signals (PSS
and SSS), jamming attacks are critical threats. By leveraging RF domain
knowledge, this work presents a novel deep learning-based technique for
detecting jammers in 5G networks. Unlike the existing jamming detection
algorithms that mostly rely on network parameters, we introduce a double
threshold deep learning jamming detector by focusing on the SSB. The detection
method is focused on RF domain features and improves the robustness of the
network without requiring integration with the pre-existing network
infrastructure. By integrating a preprocessing block that extracts PSS
correlation and energy per null resource elements (EPNRE) characteristics, our
method distinguishes between normal and jammed received signals with high
precision. Additionally, by incorporation of Discrete Wavelet Transform (DWT),
the efficacy of training and detection are optimized. A double threshold double
Deep Neural Network (DT-DDNN) is also introduced to the architecture
complemented by a deep cascade learning model to increase the sensitivity of
the model to variations of signal to jamming noise ratio (SJNR). Results show
that the proposed method achieves 96.4% detection rate in extra low jamming
power, i.e., SJNR between 15 to 30 dB which outperforms the single threshold
DNN design with 86.0% detection rate and unprocessed IQ sample DNN design with
83.2% detection rate. Ultimately, performance of DT-DDNN is validated through
the analysis of real 5G signals obtained from a practical testbed,
demonstrating a strong alignment with the simulation results.
- Abstract(参考訳): 5G無線通信の進化に伴い、同期信号ブロック(SSB)はデバイスの同期とサービスのアクセシビリティにおいて重要な役割を果たす。
しかし、一次同期信号と二次同期信号(pssとsss)を含むssb伝送の予測可能な性質のため、妨害攻撃は重要な脅威である。
RF領域の知識を活用することで、5Gネットワークにおけるジャマーを検出するための新しい深層学習技術を提案する。
ネットワークパラメータに大きく依存する既存のジャミング検出アルゴリズムとは異なり、SSBに着目したダブルしきい値のディープラーニングジャミング検出を導入する。
検出方法はRF領域の特徴に着目し,既存のネットワークインフラストラクチャと統合することなくネットワークの堅牢性を向上させる。
ヌルリソース要素(EPNRE)特性あたりのPSS相関とエネルギーを抽出するプリプロセッシングブロックを統合することにより,正常信号と妨害信号とを高精度に区別する。
さらに、離散ウェーブレット変換(dwt)を組み込むことにより、トレーニングと検出の有効性を最適化する。
また、ディープカスケード学習モデルによって補完されるアーキテクチャに、ダブルしきい値のダブルディープニューラルネットワーク(DT-DDNN)を導入し、ノイズ比(SJNR)を妨害する信号の変動に対するモデルの感度を高める。
提案手法は,86.0%の単一閾値dnn設計と83.2%の非処理iqサンプルdnn設計に匹敵する15dbから30dbのsjnrを,超低ジャミングパワーで96.4%検出できた。
DT-DDNNの性能は,実検層から得られた実5G信号の解析によって検証され,シミュレーション結果と強く一致している。
関連論文リスト
- SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳(メタデータ) (2024-03-08T16:14:54Z) - Signal Detection in MIMO Systems with Hardware Imperfections: Message
Passing on Neural Networks [101.59367762974371]
本稿では,Multi-Input-multiple-output (MIMO)通信システムにおける信号検出について検討する。
パイロット信号が限られているディープニューラルネットワーク(DNN)のトレーニングは困難であり、実用化を妨げている。
我々は、ユニタリ近似メッセージパッシング(UAMP)アルゴリズムを利用して、効率的なメッセージパッシングに基づくベイズ信号検出器を設計する。
論文 参考訳(メタデータ) (2022-10-08T04:32:58Z) - Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable
Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。
しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。
本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
論文 参考訳(メタデータ) (2022-09-18T03:07:37Z) - Mixture GAN For Modulation Classification Resiliency Against Adversarial
Attacks [55.92475932732775]
本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。
GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。
シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
論文 参考訳(メタデータ) (2022-05-29T22:30:32Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳(メタデータ) (2022-05-22T12:16:43Z) - ARCADE: Adversarially Regularized Convolutional Autoencoder for Network
Anomaly Detection [0.0]
ARCADEと呼ばれる、教師なしの異常に基づくディープラーニング検出システム。
リソース制約のある環境でのオンライン検出に適した畳み込みオートエンコーダ(AE)を提案する。
論文 参考訳(メタデータ) (2022-05-03T11:47:36Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳(メタデータ) (2022-05-02T12:23:55Z) - PWG-IDS: An Intrusion Detection Model for Solving Class Imbalance in
IIoT Networks Using Generative Adversarial Networks [13.552023164115138]
本稿では,WWG-IDS(PWG-IDS)の予測手法を提案する。
We use LightGBM as the classification algorithm to detect attack traffic in IIoT network。
提案したPWG-IDSは、F1スコアが99%、F1スコアが89%の他のモデルよりも優れている。
論文 参考訳(メタデータ) (2021-10-06T02:34:50Z) - Noise Sensitivity-Based Energy Efficient and Robust Adversary Detection
in Neural Networks [3.125321230840342]
逆の例は、愚かな分類器ネットワークに注意深く浸透した入力であり、一方で人間には変化がない。
本稿では,深層ニューラルネットワーク(DNN)を検出器サブネットワークで拡張する構造化手法を提案する。
本手法は,実例に対する最先端検出器のロバスト性が向上することを示す。
論文 参考訳(メタデータ) (2021-01-05T14:31:53Z) - Preprint: Using RF-DNA Fingerprints To Classify OFDM Transmitters Under
Rayleigh Fading Conditions [1.6058099298620423]
IoT(Internet of Things)は2020年までにおよそ500億のデバイスで構成される。
IoTデバイスの約70%は、暗号化の形式を使用していないと推定されている。
これまでの研究では、暗号化などのビットレベルのセキュリティメカニズムを増強する手段として、特定エミッタ識別(SEI)が用いられてきた。
論文 参考訳(メタデータ) (2020-05-06T13:53:25Z) - Multi-stage Jamming Attacks Detection using Deep Learning Combined with
Kernelized Support Vector Machine in 5G Cloud Radio Access Networks [17.2528983535773]
本研究は5G C-RANにML-IDS(Multi-stage Machine Learning-based Intrusion Detection)を配置することに焦点を当てる。
一定のジャミング、ランダムジャミング、ジャミング、リアクティブジャミングの4種類のジャミング攻撃を検出し、分類することができる。
最終分類精度は94.51%で、偽陰性率は7.84%である。
論文 参考訳(メタデータ) (2020-04-13T17:21:45Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。