包括的なRFデータセット収集とリリース:深層学習ベースデバイスフィンガープリント使用事例【JST・京大機械翻訳】

Elmaghbub Abdurrahman; Hamdaoui Bechir

プレプリント

J-GLOBAL ID：202202202287730000 整理番号：22P0024450

包括的なRFデータセット収集とリリース:深層学習ベースデバイスフィンガープリント使用事例【JST・京大機械翻訳】

Comprehensive RF Dataset Collection and Release: A Deep Learning-Based Device Fingerprinting Use Case

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月06日プレプリントサーバーでの情報更新日： 2022年01月06日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層学習ベースRF指紋は,最近,スペクトルアクセスポリシー強化,自動ネットワークデバイス認証,および未認可ネットワークアクセス監視および制御のような,新たに出現した無線ネットワークアプリケーションを可能にするための潜在的解決策として認識されてきた。新しく開発されたRFフィンガープリント法の研究,評価,および検証を可能にするためには,実際に包括的なRFデータセットが必要である。本論文では,USRP B210受信機を用いて,25の異なるLoRa-enabled IoT送信デバイスから収集した大規模RF指紋データセットを提示し,放出した。このデータセットは,I/Q時間領域サンプルとLoRa伝送の対応するFFTベースファイルを表現する多数のSigMF準拠バイナリファイルから成る。このデータセットは,屋内および屋外環境および送信機と受信機間の距離,考慮したLoRa変調の配置,実行実験の物理的位置,およびニューラルネットワークモデルの訓練および試験に用いる受信機ハードウェアのような様々なネットワーク配置および構成を考慮して,基本的な実験シナリオの包括的なセットを提供する。【JST・京大機械翻訳】

, , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

移動通信 , 通信網 , 光通信方式・機器 , マイクロ波・ミリ波通信 , 通信工学・通信事業一般

, , ,

前のページに戻る