Explorar a deteção de sistemas aéreos não tripulados em redes 5G através da aprendizagem automática é um Escola de Pós-graduação Naval tese de Alexander D. Gore.
O avanço e a integração de tecnologias de rede 5G, abrangendo técnicas como beamforming e sidelinking, estão preparados para melhorar substancialmente as capacidades de potenciais adversários envolvidos em operações de drones que se estendem para além da linha de visão direta. Este estudo aprofunda as estratégias destinadas a ultrapassar os obstáculos introduzidos pelo 5G no que respeita à deteção de drones, especialmente quando a transmissão de dados é ocultada através de encriptação.
A metodologia envolve a criação de conjuntos de dados sobre a atividade da rede de drones. Isto é conseguido através da interceção de pacotes de dados trocados entre uma estação de controlo em terra e um drone simulado. zangão. Posteriormente, os fluxos de comunicação distintos são segregados e as características estatísticas são formuladas utilizando atributos temporais extraídos. Estes atributos englobam métricas como a média, a mediana e o desvio padrão dos tempos de inter-chegada e o rácio de direcções dos pacotes.
Um classificador de floresta aleatória é treinado e avaliado usando esses perfis estatísticos derivados. Este classificador pode distinguir entre fluxos de tráfego de drones simulados propagados através de WiFi ou Ethernet e fluxos de dados 5G regulares. O classificador atinge uma taxa de precisão de 99% e uma pontuação F1 superior a 98% numa fração de segundo. Além disso, o classificador exibe proficiência na deteção de tráfego relacionado a drones, mesmo quando encontrado em transmissões de dados que ocorrem em um sistema distinto daquele em que foi inicialmente treinado, mantendo uma pontuação F1 superior a 97%.
Embora seja digno de nota que a avaliação não se estendeu a dados de drones transmitidos por redes 5G reais devido a limitações da ferramenta, o alinhamento promissor entre atributos de deteção, como taxas direcionais de dados, entre dados de drones e dados 5G típicos permanece independentemente do modo de transmissão. O desempenho superior da abordagem proposta e a sua dependência exclusiva de atributos temporais estabelecem-na como uma via prospetiva que vale a pena explorar no domínio da deteção de drones 5G.
Data de publicação- junho de 2023
Explorar a deteção de sistemas aéreos não tripulados em redes 5G através de Aprendizagem automática contém as seguintes secções principais:
- Introdução
- Antecedentes
- Metodologia
- Resultados
- Conclusão e trabalho futuro
Aprovado para divulgação pública. A distribuição é ilimitada.
O C-UAS Hub não é proprietário deste conteúdo e fornece uma ligação para os utilizadores no fundo da página para aceder à mesma na sua localização original. Isto permite ao(s) autor(es) registar métricas importantes do artigo relacionadas com o seu trabalho. Todos os créditos vão para o seu legítimo proprietário.
Autor- Alexander D. Gore
Para obter recursos multimédia adicionais, visite o Biblioteca multimédia.
Publicar imagem- Torre de telecomunicações com antena de rede celular 5G no fundo da cidade, conceito de conexão global e rede de internet (Crédito da imagem: kinwun)
