.png){kind=icon}
返回
5G Native Network Function for False Base Station Detection Using Machine Learning Technique
.png){kind=icon}
PRE
AI
DOI：10.1007/s10796-025-10614-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
第五代（5G）技术正日益被认可为V2X应用的关键使能器，尽管大规模商业部署仍处于早期阶段。尽管5G系统具有支持先进车联网的潜力，但其仍易受到假基站攻击。尽管已提出多种检测此类攻击的策略，但由于其适用性局限于特定供应商以及对系统操作知识的了解有限，这些策略难以适应5G生态系统。为解决此问题，我们提出了一种名为测量报告（MR）验证功能（MRVF）的新型网络功能，该功能能够检测假基站，并兼容5G网络基础设施。MRVF收集来自用户设备（UE）的MR消息，并通过机器学习学习检测假基站模型。我们模拟了两种场景：一种为正常环境，另一种包含假基站的存在。我们使用从每次模拟中收集的带有类别标签的数据进行监督学习。生成的分类模型在后续模拟实验中检测到了不同场景行为下的假基站。在本研究中评估的七种监督学习算法中，根据结果，最合适的算法是多层感知器（MLP），其在噪声水平为0%时实现了99%的检测准确率。
Keyword:
False base station
5G Security
Machine learning
Supervised learning
Vehicle-to-everything (V2X)
期刊
IF:
8.3
论文数:
2.0K
被引数:
6.5K
机构
引用论文
Cyber-security threats and vulnerabilities in 4G/5G network enabled systems4G/5G网络赋能系统中的网络安全威胁与漏洞
PREAI
分享收藏分享收藏XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏分享收藏A lightweight D2D security protocol with request-forecasting for next-generation mobile networksCONNECTION SCIENCE
OAAI
CONNECTION SCIENCEIF3.4
OAAI分享收藏
查看更多内容