一种邻近无线终端间会话密钥的生成方法

    公开(公告)号:CN104105093A

    公开(公告)日:2014-10-15

    申请号:CN201410383842.X

    申请日:2014-08-07

    Applicant: 厦门大学

    Abstract: 一种邻近无线终端间会话密钥的生成方法,属于无线通信网络安全领域。根据智能手机等无线终端的用户指定的地理距离范围,挖掘周围无线环境中信号的到达时间等物理层信息建立邻近无线终端间的临时会话密钥。目标终端根据接收到周围无线环境中数据包的RSSI,序列号以及MAC地址建立公共位置标识,用于确认主终端和目标终端共享的无线数据包;根据共享无线数据包到达的时间建立秘密位置标识,用于生成会话密钥。目标终端不会公开自己的秘密位置标识,有效防御指定的距离范围内的监听者和攻击者。通过挖掘周围无线环境中共享数据包的到达时间建立会话密钥,保证无线终端位置安全的同时提高会话密钥的生成速率。

    一种检测和识别考场内开机手机的方法

    公开(公告)号:CN104092505A

    公开(公告)日:2014-10-08

    申请号:CN201410369094.X

    申请日:2014-07-30

    Applicant: 厦门大学

    Abstract: 一种检测和识别考场内开机手机的方法,涉及手机信号的检测和识别。1)在考场布置传感器;2)初始化系统的接收信号强度的监测阈值;3)无开机手机时传感器测得周边无线频谱强度作为初始接收信号强度矢量的参考值4)传感器实时监测周边无线频谱强度5)由与计算检验统计量L(u);6)若L(u)大于接收信号强度监测的检验阈值,则发出存在开机手机的警告;7)由所测得的及传感器坐标根据权值平均算法计算得出开机手机的位置;8)若步骤6)中未发出考场内存在开机手机的警告,则传感器对接收信号强度参考矢量进行更新,将当前接收信号强度矢量作为新的接收信号强度参考矢量,返回步骤4)。

    基于传感器的认知无线网络对多种类型攻击的检测方法

    公开(公告)号:CN102595411A

    公开(公告)日:2012-07-18

    申请号:CN201210064414.1

    申请日:2012-01-11

    Applicant: 厦门大学

    Inventor: 肖亮 康姗 颜蜜

    Abstract: 基于传感器的认知无线网络对多种类型攻击的检测方法,特别是涉及到认知无线网络安全。包括认知无线网络中的电子欺骗攻击、多面攻击、恶意干扰和自私行为攻击的检测。该方法利用多个固定位置的传感器作为无线频谱的监测者,根据传感器在信道上测得的接收信号强度信息来对抗针对无线传输的攻击。不仅可以同时检测多种无线网络攻击,还能够对攻击者进行定位,从而为下一步惩戒攻击者做准备,达到确保认知无线网络中无线传输安全的目的。

    基于博弈论的接入认证与通信资源控制方法、装置及设备

    公开(公告)号:CN119155686A

    公开(公告)日:2024-12-17

    申请号:CN202410951569.X

    申请日:2024-07-16

    Applicant: 厦门大学

    Abstract: 本申请的实施例提供了一种基于博弈论的接入认证与通信资源控制方法、装置及设备。该方法包括:获取并预处理目标用户对应的信道特征数据;根据预处理后的信道特征数据,对目标用户进行合法性认证;在合法性认证的结果为合法用户的情况下,根据目标用户和干扰器的不同需求,建立动态对抗博弈模型以形成动态对抗博弈均衡解即最优信道策略集;采用深度确定性策略梯度算法,将最优信道策略集作为智能体的状态输入,目标用户的发射功率作为智能体的动作,确定目标用户对应的使在最大恶意干扰条件下的通信容量最大的目标信道策略和目标发射功率。本申请实施例的技术方案可以提高用户接入网络的安全性,以及保证存在通信干扰时对通信资源的有效利用。

    一种无线多元异质终端的射频指纹高效安全认证技术

    公开(公告)号:CN118612745A

    公开(公告)日:2024-09-06

    申请号:CN202410765638.8

    申请日:2024-06-14

    Applicant: 厦门大学

    Abstract: 一种无线多元异质终端的射频指纹高效安全认证技术,涉及物理层安全、射频指纹识别、设备认证、物联网安全和抗干扰等领域。充分挖掘无线信号频谱特性和无线多元异质终端硬件缺陷等关键信息,采用通用软件定义无线电USRP和软件定义无线(SDR)平台GNU Radio,提出基于深度学习的,以归一化流无监督异常检测算法为基础的无线终端安全认证方案,有效地在大规模无线终端接入无线网络环境下执行非法设备检测任务,同时完成授权设备分类任务。在大规模无线终端认证的环境下,与传统无线网络身份认证方法相比,有效提高无线网络的安全性和保密性。

    一种面向无线通信安全的安全探索强化学习方法

    公开(公告)号:CN115361686B

    公开(公告)日:2024-05-03

    申请号:CN202211007434.5

    申请日:2022-08-22

    Applicant: 厦门大学

    Abstract: 一种面向无线通信安全的安全探索强化学习方法,涉及无线通信的安全。引入状态风险网络和动作风险网络区分状态的风险和动作的风险,提高动作风险程度的拟合准确度,并利用动作风险程度修正动作的选择,避免探索危险策略,实现无线通信场景下的安全探索。方法包括:信息发送方使用价值网络评估当前状态下采取不同动作的长期累积回报,根据通信系统的性能评价指标和通信需求评估当前状态下采取不同动作的风险值,利用状态风险网络和动作风险网络拟合长期累积风险值并对价值网络的输出值进行修正,根据修正后的不同动作的价值进行安全传输策略的选择。可在无线通信安全应用中降低对风险策略的探索,提高无线通信的安全性。

    路车机资源协同的分布式边缘算力部署优化方法及装置

    公开(公告)号:CN117880896A

    公开(公告)日:2024-04-12

    申请号:CN202410220440.1

    申请日:2024-02-28

    Applicant: 厦门大学

    Abstract: 本发明公开了一种路车机资源协同的分布式边缘算力部署优化方法及装置,包括:构建基于无人机与路侧单元和车辆的通信网络;将通信网络中无人机的卸载效益作为目标函数,将目标函数最大化作为优化问题,分别对无人机计算卸载决策、本地处理器频率、无线发射功率及飞行路径进行联合优化求解;采用块坐标下降方法交替迭代求解由优化问题分解得到的各子问题,直至满足迭代终止条件,得到近似最优解;选出卸载效益更高的地面设备放入卸载对象列表中,基于近似最优解计算无人机的报价,分别将卸载对象列表及无人机的报价提交给所连接的路侧单元,从而获取到拍卖结果以及VCG拍卖支付价格以完成卸载任务,从而实现对路车机资源的分布式协同优化。

    一种基于强化学习的地图辅助车联网抗干扰通信方法

    公开(公告)号:CN114826449B

    公开(公告)日:2023-04-18

    申请号:CN202210479398.6

    申请日:2022-05-05

    Applicant: 厦门大学

    Abstract: 一种基于强化学习的地图辅助车联网抗干扰通信方法,属于无线通信、车联网和信息安全领域。解决在智能干扰机攻击环境下的车载无线设备高可靠安全通信问题,利用地图获取车辆当前的位置、车辆密度和遮挡物的位置和尺寸等信息,估计与接收车辆之间的信道状态,从接收车辆的反馈信息中获得接收信号功率和前M个数据包的误码率,采用强化学习算法动态车联网无线通信设备的传输功率和信道选择,防御无线干扰攻击,而无需知道干扰机的攻击模型。有效提升车载无线通信设备在高动态环境下的消息传输可靠性并降低无线设备的通信能耗。

    一种基于强化学习的地图辅助车联网抗干扰通信方法

    公开(公告)号:CN114826449A

    公开(公告)日:2022-07-29

    申请号:CN202210479398.6

    申请日:2022-05-05

    Applicant: 厦门大学

    Abstract: 一种基于强化学习的地图辅助车联网抗干扰通信方法,属于无线通信、车联网和信息安全领域。解决在智能干扰机攻击环境下的车载无线设备高可靠安全通信问题,利用地图获取车辆当前的位置、车辆密度和遮挡物的位置和尺寸等信息,估计与接收车辆之间的信道状态,从接收车辆的反馈信息中获得接收信号功率和前M个数据包的误码率,采用强化学习算法动态车联网无线通信设备的传输功率和信道选择,防御无线干扰攻击,而无需知道干扰机的攻击模型。有效提升车载无线通信设备在高动态环境下的消息传输可靠性并降低无线设备的通信能耗。

    基于深度强化学习的移动终端软件自适应优化调度方法

    公开(公告)号:CN109002358B

    公开(公告)日:2021-08-31

    申请号:CN201810811580.0

    申请日:2018-07-23

    Applicant: 厦门大学

    Abstract: 基于深度强化学习的移动终端软件自适应优化调度方法,涉及计算技术。自动优化设置移动设备上各软件进程卸载数量,并且对本地任务进程划分优先级,分配CPU计算资源和内存资源,旨在降低移动设备的能量损耗,减少任务处理时延。通过测量移动设备上各软件的实时线程任务的规模,估测移动设备至边缘设备动态无线链路的带宽,采用深度强化学习算法评估各个进程的时延,能量损耗等反馈信息,获取软件的优化调度方案。不需要预知移动设备到边缘设备的无线信道模型和移动设备系统的CPU计算资源和内存资源占用模型,即可减少移动设备上各软件任务处理时延和能量损耗,改善用户体验。

Patent Agency Ranking