論文の概要: CWGAN-GP Augmented CAE for Jamming Detection in 5G-NR in Non-IID Datasets

• arxiv url: http://arxiv.org/abs/2506.15075v1
• Date: Wed, 18 Jun 2025 02:36:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-19 19:35:51.526124
• Title: CWGAN-GP Augmented CAE for Jamming Detection in 5G-NR in Non-IID Datasets
• Title（参考訳）: 非IIDデータセットにおける5G-NRのジャミング検出のためのCWGAN-GP拡張CAE
• Authors: Samhita Kuili, Mohammadreza Amini, Burak Kantarci,
• Abstract要約: オーバー・ザ・エア・ジャミング・アタックは、受信した信号の品質を損なうセキュリティアタックとして一般的である。 我々は、実世界のIn-phase and Quadrature (I/Q) OFDMデータセットに付加的な白色ガウスノイズ(AWGN)を組み込むことにより、ジャミング環境をシミュレートする。 畳み込みオートエンコーダ(CAE)を用いて、様々な特性に対するジャミング検出を実装する。
• 参考スコア（独自算出の注目度）: 5.715528540446773
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the ever-expanding domain of 5G-NR wireless cellular networks, over-the-air jamming attacks are prevalent as security attacks, compromising the quality of the received signal. We simulate a jamming environment by incorporating additive white Gaussian noise (AWGN) into the real-world In-phase and Quadrature (I/Q) OFDM datasets. A Convolutional Autoencoder (CAE) is exploited to implement a jamming detection over various characteristics such as heterogenous I/Q datasets; extracting relevant information on Synchronization Signal Blocks (SSBs), and fewer SSB observations with notable class imbalance. Given the characteristics of datasets, balanced datasets are acquired by employing a Conv1D conditional Wasserstein Generative Adversarial Network-Gradient Penalty(CWGAN-GP) on both majority and minority SSB observations. Additionally, we compare the performance and detection ability of the proposed CAE model on augmented datasets with benchmark models: Convolutional Denoising Autoencoder (CDAE) and Convolutional Sparse Autoencoder (CSAE). Despite the complexity of data heterogeneity involved across all datasets, CAE depicts the robustness in detection performance of jammed signal by achieving average values of 97.33% precision, 91.33% recall, 94.08% F1-score, and 94.35% accuracy over CDAE and CSAE.
• Abstract（参考訳）: 5G-NR無線セルラーネットワークの絶え間ない拡張領域では、無線妨害攻撃はセキュリティ攻撃として一般的であり、受信した信号の品質を損なう。 我々は、実世界のIn-phase and Quadrature (I/Q) OFDMデータセットに付加的な白色ガウスノイズ(AWGN)を組み込むことにより、ジャミング環境をシミュレートする。 畳み込みオートエンコーダ(CAE)を用いて、異種I/Qデータセットや同期信号ブロック(SSB)に関する関連情報を抽出し、顕著なクラス不均衡を伴うSSB観測を少なくするなど、異種I/Qデータセットなどの様々な特徴に対するジャミング検出を実装した。 Conv1D条件付きWasserstein Generative Adversarial Network-Gradient Penalty(CWGAN-GP)を用いることで、データセットの特性を考慮し、バランスの取れたデータセットを取得する。 さらに,拡張データセット上で提案したCAEモデルの性能と検出能力を,CDAE(Convolutional Denoising Autoencoder)とCSAE(Convolutional Sparse Autoencoder)のベンチマークモデルと比較した。 すべてのデータセットにまたがるデータの不均一性の複雑さにもかかわらず、CAEは、平均値97.33%の精度、91.33%のリコール、94.08%のF1スコア、94.35%の精度をCDAEとCSAEに対して達成することで、妨害信号の検出性能の堅牢さを描いている。

関連論文リスト

• VAE-based Feature Disentanglement for Data Augmentation and Compression in Generalized GNSS Interference Classification [42.14439854721613]
  干渉の正確な分類を可能にする重要な潜伏特徴を抽出するために, アンタングル化のための変分オートエンコーダ (VAE) を提案する。 提案するVAEは512から8,192の範囲のデータ圧縮率を実現し,99.92%の精度を実現している。
  論文  参考訳（メタデータ） (2025-04-14T13:38:00Z)
• Improved Anomaly Detection through Conditional Latent Space VAE Ensembles [49.1574468325115]
  条件付きラテント空間変分オートエンコーダ(CL-VAE)は、既知の不整形クラスと未知の不整形クラスを持つデータに対する異常検出のための前処理を改善した。 モデルでは異常検出の精度が向上し、MNISTデータセットで97.4%のAUCが達成された。 さらに、CL-VAEは、アンサンブルの利点、より解釈可能な潜在空間、モデルサイズに制限のある複雑なデータでパターンを学習する能力の増大を示す。
  論文  参考訳（メタデータ） (2024-10-16T07:48:53Z)
• CSI4Free: GAN-Augmented mmWave CSI for Improved Pose Classification [4.504838845625542]
  COTS Wi-Fiセンシングの分野では、顕著な研究の欠如がある。 我々は,合成ミリ波チャネル状態情報(CSI)を生成できる手法を開発した。 特に,既存のデータセット上にGAN(Generative Adversarial Network)を使用して,3万以上のCSIサンプルを生成する。
  論文  参考訳（メタデータ） (2024-06-26T18:42:22Z)
• 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)
• Machine learning-based network intrusion detection for big and imbalanced data using oversampling, stacking feature embedding and feature extraction [6.374540518226326]
  侵入検知システム(IDS)は、悪意あるアクターや活動を検出することによって相互接続ネットワークを保護する上で重要な役割を果たす。 本稿では,データ不均衡にRandom Oversampling (RO) を用いる新しいMLベースのネットワーク侵入検出モデルと,次元削減のためのStacking Feature Embedding (PCA)を提案する。 CIC-IDS 2017データセットを使用すると、DT、RF、ETモデルは99.99%の精度に達し、DTとRFモデルはCIC-IDS 2018データセットで99.94%の精度が得られる。
  論文  参考訳（メタデータ） (2024-01-22T05:49:41Z)
• Analysis and Detection against Network Attacks in the Overlapping Phenomenon of Behavior Attribute [6.037603797518956]
  本稿では,WGAN-GP(Wasserstein-Generative-Adversarial-Network-with-Gradient-Penalty)を用いた深層学習に基づくマルチラベル検出モデルを提案する。 実験により,MDD-Modelは優れた分類性能が得られることが示された。
  論文  参考訳（メタデータ） (2023-09-13T01:59:26Z)
• Collaborative Learning with a Drone Orchestrator [79.75113006257872]
  インテリジェントな無線デバイス群は、ドローンの助けを借りて共有ニューラルネットワークモデルを訓練する。 提案したフレームワークは,トレーニングの大幅な高速化を実現し,ドローンホバリング時間の平均24%と87%の削減を実現している。
  論文  参考訳（メタデータ） (2023-03-03T23:46:25Z)
• Augmentation-Aware Self-Supervision for Data-Efficient GAN Training [68.81471633374393]
  識別器が過度に適合する傾向があるため、限られたデータでGANを訓練することは困難である。 本稿では,拡張データの拡張パラメータを予測する,拡張型自己教師型識別器を提案する。 本稿では,クラス条件の BigGAN と非条件の StyleGAN2 アーキテクチャを用いた State-of-the-art (SOTA) 手法と比較する。
  論文  参考訳（メタデータ） (2022-05-31T10:35:55Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)

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。