Sign In

Machine and Deep Learning for Indoor UWB Jammer Localization

Created by
  • Haebom
Category
Empty

저자

Hamed Fard, Mahsa Kholghi, Benedikt Gro{\ss}, Gerhard Wunder

개요

본 논문은 초광대역(UWB) 위치 측위 시스템의 보안 취약점인 재밍 공격 문제를 해결하기 위해, 딥러닝 기반의 재밍원 위치 추정 기법을 제안한다. 특히, 실내 환경 변화에 따른 성능 저하 문제를 해결하기 위해 도메인 적응형 ConvNeXt 오토인코더(A-CNT)를 제안하고, 이를 통해 재밍원 위치 추정 성능을 향상시켰다. 두 개의 UWB 데이터셋을 구축하여 다양한 머신러닝/딥러닝 모델의 성능을 평가하고, 도메인 적응 기술의 효과를 입증하였다.

시사점, 한계점

•
시사점:
◦
UWB 기반 실내 재밍원 위치 추정 문제에 대한 딥러닝 기반 해결책 제시.
◦
실내 환경 변화에 강인한 도메인 적응형 딥러닝 모델(A-CNT) 개발 및 성능 입증.
◦
공개된 UWB 데이터셋과 코드 제공을 통한 연구 재현 및 발전 기회 제공.
•
한계점:
◦
제안된 모델의 실질적인 재밍 공격 방어 성능에 대한 추가적인 검증 필요.
◦
다양한 실내 환경 및 재밍 공격 시나리오에 대한 확장성 평가 필요.
◦
A-CNT 모델의 복잡성 및 계산 비용에 대한 고려.
👍
Made with Slashpage