Дослідження виявлення безпілотних літальних апаратів у мережах 5G за допомогою машинного навчання - це Військово-морська аспірантура дисертацію від Олександр Д. Гор.

Розвиток та інтеграція мережевих технологій 5G, включаючи такі методи, як формування променя і сайдлінкінг, можуть суттєво посилити можливості потенційних супротивників, які беруть участь в операціях з використанням безпілотників, що виходять за межі прямої видимості. У цьому дослідженні розглядаються стратегії, спрямовані на подолання перешкод, які створює 5G для виявлення безпілотників, особливо коли передача даних приховується за допомогою шифрування.

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 безпілотник. 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.

Класифікатор випадкових лісів навчається і оцінюється за допомогою цих похідних статистичних профілів. Цей класифікатор може розрізняти симульовані потоки трафіку безпілотників, що поширюються через WiFi або Ethernet, і звичайні потоки даних 5G. Класифікатор досягає точності 99% і показника F1, що перевищує 98%, за частки секунди. Більше того, класифікатор демонструє майстерність у виявленні трафіку, пов'язаного з безпілотниками, навіть якщо він стикається з передачею даних через систему, відмінну від тієї, на якій він був спочатку навчений, підтримуючи показник F1, що перевищує 97%.

Хоча варто зазначити, що оцінка не поширювалася на дані безпілотників, що передаються через реальні мережі 5G, через обмеження інструменту, багатообіцяюче узгодження між атрибутами виявлення, такими як швидкість передачі даних, між даними безпілотників і типовими даними 5G залишається незалежно від способу передачі. Висока продуктивність запропонованого підходу і його виняткова залежність від часових атрибутів роблять його перспективним напрямком, який варто дослідити у сфері виявлення безпілотників 5G.

Дата публікації Червень 2023 року

Exploring Detection of Unmanned Aerial Systems on 5G Networks Via Machine Learning містить такі основні розділи:

  • Вступ
  • Передумови
  • Методологія
  • Результати
  • Висновки та подальша робота

Затверджено до публічного розповсюдження. Розповсюдження необмежене.

C-UAS Hub не є власником цього контенту і надає посилання для користувачів на дно сторінки, щоб отримати доступ до неї в її початковому розташуванні. Це дозволяє автору(ам) відстежувати важливі показники статті, пов'язані з їхньою роботою. Усі авторські права належать їх законному власнику.

Автор - Олександр Д. Гор

Додаткові мультимедійні ресурси, будь ласка, відвідайте Мультимедійна бібліотека.

Post Image- Телекомунікаційна вежа з антеною мобільного зв'язку 5G на фоні міста, концепція глобального зв'язку та інтернет-мережі (Кредит на зображення: kinwun)