针对主用户仿冒(Primary User Emulation,PUE)攻击用户非法占用主用户(PU)信道,导致PU无法继续使用原信道的问题,在辐射源的指纹特征基础上,通过辐射源识别进行PUE攻击检测。使用分形维数刻画通信信号码元包络的脉内起伏特征,将盒维数D...针对主用户仿冒(Primary User Emulation,PUE)攻击用户非法占用主用户(PU)信道,导致PU无法继续使用原信道的问题,在辐射源的指纹特征基础上,通过辐射源识别进行PUE攻击检测。使用分形维数刻画通信信号码元包络的脉内起伏特征,将盒维数Db与信息维数DI组成分形特征向量D;采用核函数的支持矢量机(SVM)进行训练判决识别的PUE攻击检测方法。实验结果表明,该方法具有较高的识别率,并能够较好地解决PUE攻击检测问题。展开更多
为了解决通信辐射源个体中标签获取难问题,引入半监督机器学习理论,提出了一种基于预测置信度进行迭代的半监督学习算法(Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-...为了解决通信辐射源个体中标签获取难问题,引入半监督机器学习理论,提出了一种基于预测置信度进行迭代的半监督学习算法(Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-TSVM)。该方法在TSVM算法的基础上,充分利用无标签样本,根据预测结果置信度进行迭代,能够大幅度减少分类器的运算量。计算机仿真表明,在有标签样本数目占总样本2%的情况下,CP-TSVM较TSVM算法在保证识别准确率的同时,模型训练时间缩短近60 s。展开更多
文摘针对主用户仿冒(Primary User Emulation,PUE)攻击用户非法占用主用户(PU)信道,导致PU无法继续使用原信道的问题,在辐射源的指纹特征基础上,通过辐射源识别进行PUE攻击检测。使用分形维数刻画通信信号码元包络的脉内起伏特征,将盒维数Db与信息维数DI组成分形特征向量D;采用核函数的支持矢量机(SVM)进行训练判决识别的PUE攻击检测方法。实验结果表明,该方法具有较高的识别率,并能够较好地解决PUE攻击检测问题。
文摘为了解决通信辐射源个体中标签获取难问题,引入半监督机器学习理论,提出了一种基于预测置信度进行迭代的半监督学习算法(Improved Transductive Support Vector Machine Iterative Algorithm Based on the Confidence of Prediction,CP-TSVM)。该方法在TSVM算法的基础上,充分利用无标签样本,根据预测结果置信度进行迭代,能够大幅度减少分类器的运算量。计算机仿真表明,在有标签样本数目占总样本2%的情况下,CP-TSVM较TSVM算法在保证识别准确率的同时,模型训练时间缩短近60 s。
