機械学習による5Gネットワーク上の無人航空機システムの検出を探る はコメントを受け付けていません。 海軍大学院 論文 アレクサンダー・D・ゴア

ビームフォーミングやサイドリンクのような技術を包含する5Gネットワーク技術の進歩と統合は、直接視線を越えて広がるドローン作戦に従事する潜在的な敵対者の能力を大幅に強化する態勢を整えている。この研究では、特にデータ伝送が暗号化によって隠蔽されている場合に、ドローンの検出に関する5Gによってもたらされるハードルを克服することを目的とした戦略を掘り下げている。

The methodology involves the creation of datasets about drone network activity. This is achieved through the interception of data packets exchanged between a ground control station and a simulated ドローン. Subsequently, the distinct communication streams are segregated, and statistical characteristics are formulated utilizing extracted temporal attributes. These attributes encompass metrics such as the mean, median, and standard deviation of inter-arrival times and the ratio of packet directions.

これらの統計プロファイルを使用して、ランダムフォレスト分類器をトレーニングし、評価する。この分類器は、WiFiまたはイーサネットを介して伝播されるシミュレートされたドローンのトラフィックフローと、通常の5Gデータフローを識別することができます。この分類器は99%の精度と98%を超えるF1スコアをわずか数秒で達成した。さらに、この分類器は、最初に学習させたシステムとは異なるシステムで発生するデータ伝送に遭遇した場合でも、ドローン関連のトラフィックを検出する能力を発揮し、97%を超えるF1スコアを維持した。

ツールの制限により、実際の5Gネットワーク上で送信されたドローンデータには評価が及ばなかったことは注目に値するが、ドローンデータと典型的な5Gデータとの間のデータ指向性率などの検出属性間の有望な整合性は、送信モードに関係なく維持されている。提案されたアプローチの優れた性能と、時間的属性にのみ依存することで、5Gドローン検出の領域で探求する価値のある有望な手段として確立された。

出版日 2023年6月

Exploring Detection of Unmanned Aerial Systems on 5G Networks Via Machine Learning 以下の主要セクションを含む：

  • はじめに
  • 背景
  • 方法論
  • 結果
  • 結論と今後の課題

一般公開を承認。 配布は無制限。

C-UAS Hubはこのコンテンツを所有しておらず、以下のリンクをユーザーに提供しています。 ボトム をクリックすると、そのページの元の場所にアクセスできます。これにより、著者は自分の作品に関連する重要な記事の指標を追跡することができる。すべてのクレジットは正当な所有者に帰属します。

著者 アレクサンダー・D・ゴア

その他のマルチメディア・リソースについては マルチメディアライブラリー.

投稿画像 都市背景に5Gセルラーネットワークアンテナを持つ通信タワー、グローバル接続とインターネットネットワークのコンセプト（画像クレジット： キンウン)