Hierarchical Deep Reinforcement Learning for Robust Access in Cognitive IoT Networks under Smart Jamming Attacks
Concordia University（康考迪亚大学）
本文提出分层深度强化学习框架，用于在智能干扰攻击下实现认知物联网网络中的可靠频谱接入。
2025-12-16 cs.NI eess.SP
Universal MIMO Jammer Mitigation via Secret Temporal Subspace Embeddings
针对智能干扰机规避空间特征估计的问题，提出基于收发共享秘密的 MASH 方法，通过秘密时域子空间嵌入将任意干扰机转化为压制性干扰机，实现通用 MIMO 抑制。
2023-12-08 cs.IT eess.SP math.IT
Smart PRACH Jamming: A Serious Threat for 5G Campus Networks
本文针对5G园区网络PRACH信道建模并实现了一种智能干扰攻击，仅需干扰不到1%的小区资源即可阻断99.9%以上的合法前导码传输，揭示了工业CPS的严重安全威胁。
2024-10-11 cs.NI eess.SP
Detection and blind channel estimation for UAV-aided wireless sensor networks in smart cities under mobile jamming attack
无人机（UAV）可以通过多种方式集成到无线传感器网络（WSNs）中，用于智能城市应用。其中，无人机可以通过从地面传感器和计量装置上传数据，然后将其下载到中央单元，以“存储-携带和转发”的方式用作中继。然而，上传和下载阶段都容易受到潜在的威胁和攻击。作为传统无线网络的遗留问题，干扰攻击仍然是UAV辅助通信的主要和严重威胁之一，特别是当干扰机也是移动的时，例如，它安装在无人机上或陆地车辆内。在本文中，我们研究了抗干扰通信的无人机辅助无线传感器网络运行在双选择性信道在下载阶段。在这种情况下，由UAV和恶意移动干扰机发射的信号经历由于多径传播效应引起的时间分散和由其移动性引起的频率分散。为了抑制高功率干扰信号，我们提出了一种盲物理层技术，通过基于检测器输出的符号级后排序的串行干扰消除来联合检测无人机和干扰机符号。振幅，相位，时间延迟，和多普勒频移-所需的实现所提出的检测策略-盲估计数据通过使用的算法，利用接收信号的几乎循环平稳特性和多载波调制格式的详细结构。仿真结果证实了所提出的方法的抗干扰能力，对于不同的移动场景的干扰机。
2021-12-06 cs.NI eess.SP stat.AP
Universal MIMO Jammer Mitigation
本文提出 MASH 方法，利用收发双方共享秘密将信号嵌入秘密子空间，通过互易变换将任意智能干扰机转化为压制式干扰机，从而实现通用 MIMO 抗干扰，并针对大规模多用户 MIMO 上行链路设计了三种数据检测器。
2024-08-27 cs.IT eess.SP math.IT
DeepFake: Deep Dueling-based Deception Strategy to Defeat Reactive Jammers
在本文中，我们介绍了DeepFake，一种新的基于深度强化学习的欺骗策略，以应对反应式干扰攻击。特别地，对于智能和反应式干扰攻击，干扰机能够感测信道并且如果其检测到来自合法发射机的通信则攻击信道。为了应对这种攻击，我们提出了一个智能欺骗策略，允许合法的发射机发送“假”信号，以吸引干扰。然后，如果干扰机攻击信道，则发射机可以通过使用环境反向散射通信技术来利用强干扰信号来传输数据，或者从强干扰信号中获取能量以供将来使用。这样既可以削弱干扰机的攻击能力，又可以利用干扰信号来提高系统性能。为了有效地学习和适应干扰攻击的动态性和不确定性，我们开发了一种新的深度强化学习算法，使用深度决斗神经网络架构，以获得比传统强化算法快上千倍的最优策略。大量的仿真结果表明，我们提出的DeepFake框架在吞吐量，丢包率和学习率方面优于其他抗干扰策略。
2021-05-04 cs.IT cs.NI eess.SP
Detecting 5G Signal Jammers Using Spectrograms with Supervised and Unsupervised Learning
针对5G网络受干扰攻击可能引发严重损害的问题，本文提出基于5G信号IQ样本生成的频谱图，对比了基于CNN的监督模型与基于CAE的无监督模型的干扰检测准确率与计算复杂度。
2024-05-07 eess.SP
A Jammer-Mitigating 267 Mb/s 3.78 mm$^2$ 583 mW 32$\times$8 Multi-User MIMO Receiver in 22FDX
本文提出首款缓解干扰攻击的多用户MIMO接收机ASIC，采用非线性算法联合空间滤波与箱先验进行干扰缓解与数据检测，支持8用户32天线，在22nm工艺下实现267 Mb/s吞吐量，是唯一能在干扰下可靠检测数据的现有设计。
2024-06-26 cs.AR eess.SP
Deep Reinforcement Learning-based Anti-jamming Power Allocation in a Two-cell NOMA Network
非正交多址接入（NOMA）系统在小区间干扰的存在下，系统性能会急剧下降。如果智能干扰机在网络中交互，这种情况就会变得更具挑战性。本文将智能干扰下两个独立基站的NOMA功率分配问题建模为序贯博弈。在这个博弈中，首先，每个基站作为领导者独立地选择其功率分配策略。然后，智能干扰机作为跟随者，根据基站的策略选择最优策略。在不同的条件下，这个游戏的解决方案。基于博弈论分析，提出了三种新的方案用于两小区场景中的抗干扰NOMA功率分配，称为a）基于Q-Learning的无私（QLU）NOMA功率分配方案，b）基于深度Q-Learning的无私（DQLU）NOMA功率分配方案，以及c）热引导基于深度Q-Learning的无私（HBDQLU）NOMA功率分配方案。在这些方法中，BS彼此不协调。但是我们的分析理论上预测，从整个网络的角度来看，所提出的方法将以很高的概率收敛到最优策略。仿真结果表明，所提出的方案的收敛性，也优于基于Q学习的自私（QLS）NOMA功率分配方法。
2021-01-01 eess.SP
Design of Automated Dual Band 4G Jammer using MATLAB Simulink
本文提出了一种有效的智能干扰机的设计，以干扰4G信号，特别是频带3和频带40，可以主要在印度使用。利用MATLAB的Simulink工具对电路设计进行了分析。Simulink是一种先进的工具，可提供与实时分析相当的准确结果。Simulink库的DSP工具箱已被广泛用于构建和查看模型的结果。本文的主要目的是接收LTE信号，对频段3和频段40进行滤波，增加噪声，增大信号幅度。该设计的独特之处在于在电路和触发使能模块中使用了全波整流器。具有附加电路的全波整流器充当对包含噪声块和增益块的干扰机的触发器。正弦波发生器用于复制实时信号，并添加额外的信号作为噪声。该设计的优点是当没有检测到任何频带时，将不会产生输出，从而节省功率。检测器电路和触发器电路的结合确保了当未检测到信号时干扰电路不会浪费功率。这些干扰器可用于考试大厅、会议厅和不需要电信信号的安全场所。
2018-03-03 eess.SP
UAV-Aided Cellular Communications with Deep Reinforcement Learning Against Jamming
蜂窝系统易受干扰攻击，特别是智能干扰机，其基于正在进行的通信策略和网络状态来选择其干扰策略，诸如干扰信道频率和功率。在本文中，我们提出了一种无人机辅助蜂窝通信抗干扰框架。在该方案中，无人机使用强化学习方法来选择中继策略的移动用户在蜂窝系统中，如果服务基站是严重的干扰。更具体地说，我们提出了一种基于深度强化学习的无人机中继方案，以帮助蜂窝系统抵抗智能干扰，而无需基于先前的抗干扰中继经验和观察到的当前网络状态在动态游戏中知道干扰模型和网络模型。该方案可以在与干扰机充分交互后达到最优性能。仿真结果表明，与现有方案相比，该方案可以降低消息的误比特率，为蜂窝系统节省能量。
2019-04-23 eess.SP
Wavelet-based temporal models of human activity for anomaly detection in smart robot-assisted environments
University of Málaga-UMA（马拉加大学）；University of Lincoln（林肯大学）；University of Padua（帕多瓦大学）
本文提出融合小波时间模型、二元传感器活动与专家规则的混合马尔可夫逻辑网络，用于机器人辅助环境长期活动异常检测，并在两个新公开数据集上验证有效。
2024-01-22 cs.AI eess.SP
Intelligent Reflecting Surface Assisted Anti-Jamming Communications Based on Reinforcement Learning
由智能干扰器发起的恶意干扰攻击合法传输已被视为无线通信的关键安全挑战之一。因此，本文利用智能反射面（IRS）来提高抗干扰通信性能，通过调整IRS处的表面反射元件来减轻干扰。为了提高抗智能干扰的通信性能，提出了一种联合优化基站功率分配和IRS反射波束形成的优化问题。针对干扰模型和干扰行为的动态性和未知性，提出了一种在不知道干扰模型的情况下联合优化抗干扰功率分配和反射波束形成策略的WoLF-PHC学习方法。仿真结果表明，与现有的抗干扰方法相比，该方法能有效提高IRS辅助系统的传输速率和传输保护水平。
2020-12-23 eess.SP
Intelligent Reflecting Surface Assisted Anti-Jamming Communications: A Fast Reinforcement Learning Approach
智能干扰机发起的恶意干扰可以攻击合法传输，这已被视为无线通信的关键安全挑战之一。基于此，本文研究了利用智能反射面（IRS）来提高通信抗干扰性能，通过调整IRS处的反射面元来减轻干扰。为了提高智能干扰下的通信性能，在考虑合法用户服务质量（QoS）要求的同时，提出了一种联合优化基站（BS）功率分配和IRS反射波束形成的优化问题。针对干扰模型和干扰行为的动态性和未知性，提出了一种模糊赢或学快速策略爬山（WoLFPHC）学习方法来联合优化抗干扰功率分配和反射波束形成策略，其中WoLFPHC能够在不知道干扰模型的情况下快速获得最优策略，而模糊状态聚合能够将不确定的环境状态表示为聚合状态。仿真结果表明，与现有的抗干扰方法相比，本文提出的基于抗干扰学习的方法能够有效地提高IRS辅助系统的速率和传输保护水平。
2020-04-27 eess.SP
Smart Jamming Attack and Mitigation on Deep Transfer Reinforcement Learning Enabled Resource Allocation for Network Slicing
本文针对DTRL赋能的网络切片场景，揭示了DRL智能干扰攻击的风险，提出基于DRL的干扰误导防御机制，可有效提升受攻击时的网络吞吐量并降低延迟。
2024-10-07 cs.NI eess.SP
Jamming Detection With Subcarrier Blanking for 5G and Beyond in Industry 4.0 Scenarios
物理层的安全攻击，以拒绝服务的无线电干扰的形式，是工业4.0场景中日益增长的威胁。本文考虑了5G及以后通信系统中的干扰检测问题，并提出了一种基于正交频分复用（OFDM）子载波伪随机消隐的防御机制。然后，我们设计了一个检测器，通过应用广义似然比测试（GLRT）对这些子载波。我们最后评估所提出的技术对智能干扰机，这是追求以下目标之一的性能：最大限度地提高隐蔽性，最大限度地降低频谱效率（SE）与移动宽带（MBB）类型的流量，并最大限度地提高误块率（BLER）与超可靠的低延迟通信（URLLC）。数值结果表明，智能干扰机a）需要在误检（MD）概率和使用MBB的SE降低之间进行折衷; b）只有当它具有足够高的功率时，才能使用URLLC实现低检测能力和高系统性能降级。
2021-06-15 cs.IT eess.SP math.IT
Smart Analytical Signature Verification For DSP Applications
签名验证是一种将手写签名视为生物特征的认证技术。从生物识别的角度来看，该项目通过集成智能算法来使用自动手段来执行信号增强功能，例如过滤和平滑，以优化传统生物识别系统。手写签名是1D Daubechies小波信号（db4），其共同地利用离散小波变换（DWT）和离散余弦变换（DCT）来创建具有d维空间的特征数据集。在所提出的工作中，从每个数据源的每个特定签名中提取统计特征。两个数据库，签名验证比赛（SVC）2004年数据库和SUBCORPUS 100 MCYT双峰数据库被用来配合设计算法。此外，降维技术应用于大的特征向量。使用支持向量机（SVM）分类器算法训练和评估系统模型。因此，平均错误率（EER）为8.7%，平均正确验证率为91.3%
2018-06-10 eess.SP
AWSPNet: Attention-based Dual-Tree Wavelet Scattering Prototypical Network for MIMO Radar Target Recognition and Jamming Suppression
针对低信噪比下雷达真假目标与干扰难区分、标注数据少的问题，提出融合双树复小波变换、注意力机制与原型网络的AWSPNet框架，结合有监督对比学习实现高准确率识别与干扰抑制，具备实际应用潜力。
2025-10-21 eess.SP
Smart Jamming Attacks in 5G New Radio: A Review
第五代无线蜂窝网络（5G）预计将成为紧急服务、自然灾害救援、公共安全和军事通信的基础设施。5G和以前的任何无线蜂窝网络一样，容易受到干扰攻击，这些攻击会造成故意干扰，阻碍合法用户的通信。因此，干扰5G网络可能对公共安全构成真正的威胁。因此，迫切需要调查这些网络在多大程度上容易受到干扰攻击。在这项调查中，我们考虑了2017年发布的3GPP标准，该标准被广泛接受为部署这些网络的主要参考。首先，我们描述了5G新无线电（NR）架构的关键要素，例如基站和用户设备之间交换的不同信道和信号。其次，我们对干扰攻击模型进行了深入审查，并评估了5G NR对这些干扰攻击的脆弱性。然后，我们介绍了最先进的检测和缓解技术，并讨论了它们在5G无线网络中击败智能干扰机的适用性。最后，在本文的最后，我们提出了一些建议和未来的研究方向。
2020-09-11 cs.CR cs.SY eess.SP
A Novel Jamming Attacks Detection Approach Based on Machine Learning for Wireless Communication
干扰攻击以无线网络为目标，造成不必要的拒绝服务。5G很容易受到这些攻击，尽管它的弹性是由毫米波频段的使用引起的。在过去的十年中，已经提出了几种类型的干扰检测技术，包括模糊逻辑，博弈论，频道冲浪，和时间序列。这些技术中的大多数在检测智能干扰机方面效率低下。因此，非常需要具有高精度的高效且快速的干扰检测技术。本文比较了几种机器学习模型在检测干扰信号时的效率。我们研究了识别干扰信号的信号特征类型，并使用这些参数生成了一个大型数据集。使用该数据集，对机器学习算法进行了训练、评估和测试。这些算法是随机森林、支持向量机和神经网络。这些算法的性能进行了评估和比较使用的检测概率，虚警概率，漏检概率，和准确性。仿真结果表明，基于随机森林算法的干扰检测具有较高的检测精度、较高的检测概率和较低的虚警概率。
2020-03-16 cs.IT eess.SP math.IT
A New Approach of Data Pre-processing for Data Compression in Smart Grids
用于压缩的预处理数据的常规方法是应用诸如傅立叶、Karhunen-Loève或小波变换的变换。采用这种方法的一个缺点是，它独立于压缩数据的使用，这可能会在根据最终效用测量时（而不是根据失真测量）引起显著的最优性损失。因此，我们通过将数据预处理操作泰勒化到使用压缩的（并且因此有噪声的）数据的决策实体的效用函数来重新审视该范例。更具体地说，效用函数由Lp范数组成，这在智能电网领域非常相关。线性和非线性的使用为导向的变换的设计和传统的数据预处理技术相比，压缩噪声的影响可以显着降低。
2020-11-24 eess.SP
Anti-jamming beam alignment in millimeter-wave MIMO systems
在毫米波（MMW）多输入多输出（MIMO）通信中，用户及其对应的基站（BS）必须在初始接入和数据传输期间对准其波束以补偿高传播损耗。针对第五代（5G）新无线电（NR）指定的波束对准（BA）过程已被设计为在存在非恶意干扰和噪声的情况下快速且精确。智能干扰器可能利用该弱点，并且可能在BA阶段期间发起攻击，以便降低波束选择的准确性，并且因此不利地影响用户所体验的端到端性能和服务质量。在本文中，我们研究了在毫米波频率的干扰攻击的影响，在BA过程中用于执行初始接入空闲用户和连接用户的适应/恢复。我们表明，5G NR中采用的BA过程非常容易受到智能干扰攻击，因此，我们提出了一种基于随机探测思想的对策，包括随机破坏BS发送的探测序列，以便通过基于正交投影和干扰消除的子空间技术拒绝UE处的干扰信号。数值结果证实了我们的理论研究结果，并显示了非常令人满意的精度所提出的抗干扰方法。
2022-06-16 eess.SP
Designing Anti-Jamming Receivers for NR-DCSK Systems Utilizing ICA, WPD, and VMD Methods
在这项工作中，我们考虑了一个先进的降噪差分混沌键控（NR-DCSK）系统中，一个单一的天线源与一个单一的天线目标下的攻击一个单一的天线干扰。我们致力于设计一种新的抗干扰（AJ）接收机所考虑的系统。特别是，我们提出了一个变分模式分解-独立分量分析-小波包分解为基础的（VMD-ICA-WPD-based）结构，其中VMD方法首先被利用来产生多个信号从单一的接收一个。其次，将ICA方法应用于混沌信号和干扰信号的粗分离。然后，WPD方法被用来精细估计和消除干扰信号存在于ICA方法的所有输出。最后，执行逆ICA过程，随后进行求和，并且结果通过传统的基于相关的接收机来恢复所发送的信息。仿真结果表明，与传统的基于相关的WPD接收机相比，该接收机在BER =0.03和Eb/N 0 = 20 dB时，系统性能有了明显的提高，即增益为8 dB。
2018-10-04 cs.IT eess.SP math.IT
Non-Intrusive Electric Load Monitoring Approach Based on Current Feature Visualization for Smart Energy Management
Fuzhou University（福州大学）；Zhicheng College, Fuzhou University（福州大学至诚学院）；Peng Cheng Laboratory（鹏城实验室）；City University of Hong Kong（香港城市大学）
针对智慧城市大规模电力系统的负荷监测需求，提出将电流信号转为特征图像、结合U型深度网络的非侵入式负荷监测方法，经多数据集验证性能更优，可支撑高效能源管理。
2023-08-08 cs.AI cs.CV cs.SY
Energy Disaggregation & Appliance Identification in a Smart Home: Transfer Learning enables Edge Computing
Information Technology University（信息技术大学）；Hamad Bin Khalifa University (HBKU)（哈马德·本·哈利法大学）；The University of Lahore（拉合尔大学）；University of Essex（埃塞克斯大学）；University of Glasgow（格拉斯哥大学）；Ajman University（阿治曼大学）
本研究提出基于seq2-[3]-point CNN的深度学习方法解决家庭与站点NILM，并利用微调预训练2D-CNN实现电器识别，在REDD和REFIT数据集上分别达到94.6%、81%和88.9%的准确率。
2024-03-14 cs.AI cs.LG eess.SP
DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs
School of Electrical Engineering and Computer Science, University of Ottawa（电气工程与计算机科学学院，渥太华大学）
本文提出DT-DDNN双阈值双深度神经网络检测器，利用5G SSB的PSS相关性、EPNRE和DWT特征识别CAV网络中的RF干扰，在15–30 dB SJNR下达到96.4%检测率并经真实5G测试平台验证。
2025-03-31 cs.CR cs.LG cs.NI
