Machine Learning-Based Physical Layer Security for Detecting Active Eavesdropping Attacks

doi:10.1109/LCOMM.2025.3582157

Machine Learning-Based Physical Layer Security for Detecting Active Eavesdropping Attacks

2025-08-01

0

PRE

AI

Emiliano Garcia‐Palacios

DOI：10.1109/LCOMM.2025.3582157

原文链接

原文求助

摘要

En 中文

本论文探讨了利用机器学习提升含接入点、合法用户和主动窃听者的无线系统物理层安全性。在反向链路训练期间，窃听者模仿导频信号以破坏通信。我们提出了一种从无线信号中提取统计特征并构建物理层数据集的框架。采用一类支持向量机（OC-SVM）来检测此类主动窃听攻击。此外，我们引入了双类支持向量机（TC-SVM）模型用于评估和比较检测性能。仿真结果表明，采用OC-SVM的所提方法可实现99.78%的检测准确率，其性能优于TC-SVM模型及其他现有方法。

Keyword:

Machine learning

physical layer security

SVM

Machine Learning-Based Physical Layer Security for Detecting Active Eavesdropping Attacks

摘要

期刊

机构

引用论文