Détection intelligente de l’effet d’attaque malveillante dans un système de radio utilisant la distance Robuste et la distance Mahalanobis

Abstract

Les menaces à la sécurité de la couche physique ont évolué à partir d'attaques malveillantes dans les systèmes sans fil, en raison de leur nature furtive, rendant les systèmes de communication sans fil vulnérables. Dans ce travail, nous avons proposé un convertisseur modulé large bande centralisé (CMLB-C) combiné à un détecteur de classification basé sur la distance Mahalanobis (DM) et (distance robuste) DR. Le signal reçu par chaque récepteur radio dans chaque canal passe par différentes étapes pour obtenir un taux d'échantillonnage inférieur à Nyquist. Chaque récepteur fournit un taux minimum d'échantillons sur la base de la théorie d’écoute compressive (EC). Toutes les observations compressées de chaque canal sont rassemblées sous la forme d'une matrice appelée matrice de données compressées, qui est considérée directement comme l'entrée du classifieur proposé appelé DM-DR au niveau du centre de fusion (CF). Les résultats obtenus à partir de la simulation utilisant MATLAB et LIBRA montrent les effets d'attaque parfaitement dans le spectre en cas de présence de l'attaque basé sur deux hypothèses 𝐻 0 et 𝐻 pour faire la distinction. L'évaluation des performances est effectuée en termes de taux de détection d'anomalies basé sur la valeur seuil de chaque distance. En employant l'une des techniques d'apprentissage machine (ML) nommée ACP basée sur DD et DR, la performance de ce nouveau système proposé est bonne.