本发明涉及无线电领域,尤其是一种面向工业物联网导频污染攻击的鲁棒无监督检测方法。
背景技术:
1、随着无线通信技术的发展,大量无线设备连接到了网络。然而,由于无线通信系统的开放性,合法节点在典型的5g通信场景中,如工业物联网,极易受到导频污染攻击。导频污染攻击是一种主动攻击,发生在上行链路信道训练阶段。攻击者通过监听无线通信信道窃取合法节点用于信道估计的导频信号,然后以不同的功率间接性或持续性地发射相同的导频信号,从而拦截或篡改合法节点的信息,导致机密信息泄露、数据篡改等。导频污染攻击严重威胁了无线通信系统的安全,因此,亟需研究导频污染攻击检测方法以保证通信安全。
2、为保护通信安全,现有的无线通信系统中关于导频污染攻击检测的研究大致可以分为以下三类:基于信道估计过程设计的检测方案、基于随机导频设计的检测方案,以及基于深度学习的智能检测方案。此外,还有研究致力于增强导频污染攻击的检测标准,例如设计基于能量比的检测器或基于随机矩阵理论的检测器,尽管这些方法取得了一定成效,但其缺乏对环境噪声的鲁棒性,无法在复杂、时变的电磁环境中精准地检测导频污染攻击。基于信道估计过程设计的检测方案不可避免地引起了高通信开销和计算复杂性问题,无法普遍适用于通信资源、计算资源受限的工业物联网节点。而基于随机导频设计的检测方案虽然降低了通信开销,但在导频信号预先分配的无授权物联网网络等新兴通信场景中作用有限。随着人工智能的快速发展,基于深度学习的智能检测方案逐渐兴起,这种方法着重探索无线信道本身的数据特征,但其往往通过大量标记数据学习已知模式构建,对于未知模式的泛化能力可能较差。
技术实现思路
1、本发明的发明目的在于:针对上述存在的问题,提供一种面向工业物联网导频污染攻击的鲁棒无监督检测方法,以解决导频污染攻击检测鲁棒性差的问题。
2、本发明采用的技术方案如下:
3、一种面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,包括:
4、s1、构建工业物联网通信系统,该系统包括导频污染攻击节点、多个合法发射节点以及接收节点;
5、s2、分别构建各所述合法发射节点以及所述导频污染攻击节点到所述接收节点的接收信号模型;
6、s3、基于所述接收信号模型,获得未受导频污染攻击的和受导频污染攻击的合法发射节点到所述接收节点的估计信道,根据所述估计信道构建受导频污染攻击的信道数据集;
7、s4、将所述受导频污染攻击的信道数据集输入鲁棒自编码器网络进行无监督训练,利用交替方向乘子算法迭代优化该鲁棒自编码器网络,获得可重构的估计信道分量以及不可重构的估计信道分量;
8、s5、根据所述不可重构的估计信道分量检测导频污染攻击,可重构的估计信道分量即为消除导频污染攻击的估计信道。
9、综上所述,由于采用了上述技术方案,本发明的有益效果是:
10、本发明提出了一种鲁棒无监督检测导频污染攻击的方法,设计了一种基于交替方向乘子算法的鲁棒自编码器网络,利用离散傅立叶变换提取无线通道固有的稀疏性,利用交替方向乘子算法迭代优化鲁棒自编码器网络,有效地消除了受导频污染攻击的信道数据,大幅度提升了工业物联网通信系统中导频污染攻击检测和消除的能力。
1.一种面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,包括:
2.如权利要求1所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述步骤s2中构建的接收信号模型,包括:
3.如权利要求2所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述步骤s3包括:
4.如权利要求2所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述导频污染攻击包括:
5.如权利要求1所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述鲁棒自编码器网络包括编码器模块和解码器模块;所述步骤s4包括:
6.如权利要求5所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述编码器模块依次包括第一slstm模块和第一mlstm模块、第一全连接层;
7.如权利要求5所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述利用交替方向乘子算法迭代优化所述多目标优化问题,输出可重构的估计信道分量和不可重构的估计信道分量,包括:
8.如权利要求7所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述相对误差包括:
9.如权利要求8所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述根据相对误差及预设阈值判断迭代是否收敛包括:
10.如权利要求1所述的面向工业物联网导频污染攻击的鲁棒无监督检测方法,其特征在于,所述步骤s5包括: