基于物理层信息的无线网络可接入区域控制研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61902052
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0205.网络与系统安全
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

With the development of wireless communication and mobile computing, wireless network applications such as Wi-Fi enjoy increasing popularity. However, security is still an urgent problem remains to be solved. It is desirable to restrict the wireless network into a specific range under high-security requirements. Unfortunately, due to the physical characteristics of wireless signal propagation, the coverage area is difficult to control. In this study, we will precisely limit the wireless network, especially Wi-Fi network, to a physical area, by utilizing location-related features in physical layer information such as Received Signal Strength (RSS) and Channel State Information (CSI). We attempt to confine Wi-Fi access to a specific physical area by estimating the location of mobile devices. We will develop a prototype system and verify its effectiveness. The key innovation of this proposal is to transform the wireless access control problem into a classification problem that distinguishes the signal characteristics of different regions. Compared with traditional indoor localization scheme, our research concentrates on whether a device is located in a certain area or not, instead of obtaining precise location of the device, which can effectively avoid heavy overhead brought by precise localization, and has better tolerance to location estimation errors.
随着无线通信与移动计算的不断发展,无线网络的应用越来越广泛,但其接入安全性依然是个亟待解决的问题。在安全性要求较高的应用场景中,人们希望将无线网络的可接入区域控制在特定的范围内。然而由于无线信号传播无法进行精确的理论估算,其覆盖范围很难人为控制。在本研究中,我们首先挖掘诸如接收信号强度(RSS)和信道状态信息(CSI)等物理层信息中的位置相关特征,然后通过众包机制与机器学习手段,学习物理区域边界的信号特性,判断移动设备所属区域,实现对无线网络特别是Wi-Fi网络可接入区域的精确控制,最终完成一个原型系统并验证方法的有效性。本项目的创新之处在于将无线接入控制问题转化为一个区分不同区域信号特征的分类问题;与传统室内定位方法相比,无需对移动设备进行精确定位,而是判断移动设备是否位于特定区域,可以有效地避免精确定位系统带来的大量开销,并具有更好的位置信息误差容忍度。

结项摘要

随着信息化程度增加,通信与网络安全越来越重要,虽然通过基于密码学的手段一定程度上能防止网络非法接入,然而实际情况下仍有密码过于简单或人为的密码泄露等风险。 同时一些加密技术的工程实现中也不可避免的会存在一些漏洞,例如2017年研究人员发现WPA2协议中存在逻辑缺陷,几乎所有Wi-Fi设备都面临威胁。虽然新的WPA3协议已经发布,但真正部署仍然需要一段时间,而且一些老旧设备可能无法获得固件更新。最近量子计算机的快速发展也使得加密算法被破解的风险大大增加。因此从物理层进行访问控制是目前最有潜力的无线安全机制之一,例如研究使得无线信号覆盖可控的安全网络。.控制无线网络的信号覆盖区域十分困难,本研究挖掘出不同设备不同位置的信号特征,运用信号处理与机器学习等手段,通过使用物理层信息对移动设备所在区域进行判断,将网络的接入权限控制在一定的区域内,实现了高精度控制无线网络的可接入区域并对设备进行认证。.研究成果对增强无线网络安全性有重要意义,本研究可使无线网络具有难攻破性,对于军事或商业机密场所,本研究的成果可以使位于该区域内的用户可以接入网络,而不在该区域的攻击者就算拥有密钥也无法接入网络,防止数据泄露风险。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(1)
会议论文数量(10)
专利数量(12)
The UAV Trajectory Optimization for Data Collection from Time-Constrained IoT Devices: A Hierarchical Deep Q-Network Approach
用于从时间受限的物联网设备收集数据的无人机轨迹优化:分层深度 Q 网络方法
  • DOI:
    10.3390/app12052546
  • 发表时间:
    2022-02
  • 期刊:
    Applied Sciences
  • 影响因子:
    --
  • 作者:
    Zhenquan Qin;Xuan Zhang;Xinwei Zhang;Bingxian Lu;Zhonghao Liu;Linlin Guo
  • 通讯作者:
    Linlin Guo
A Lightweight Passive Human Tracking Method Using Wi-Fi.
一种使用 Wi-Fi 的轻量级被动人体跟踪方法
  • DOI:
    10.3390/s22020541
  • 发表时间:
    2022-01-11
  • 期刊:
    Sensors (Basel, Switzerland)
  • 影响因子:
    --
  • 作者:
    Fang J;Wang L;Qin Z;Lu B;Zhao W;Hou Y;Chen J
  • 通讯作者:
    Chen J
Traffic data reconstruction based on compressive sensing with neighbor regularization
基于邻域正则化压缩感知的交通数据重建
  • DOI:
    10.1002/ett.3892
  • 发表时间:
    2020-02
  • 期刊:
    Transactions on Emerging Telecommunications Technologies
  • 影响因子:
    3.6
  • 作者:
    Zhenquan Qin;Xu Xia;Bingxian Lu;Chen Qian;Lei Wang;Chuan Lin
  • 通讯作者:
    Chuan Lin
Towards CSI-based diversity activity recognition via LSTM-CNN encoder-decoder neural network
通过 LSTM-CNN 编码器-解码器神经网络实现基于 CSI 的多样性活动识别
  • DOI:
    10.1016/j.neucom.2020.02.137
  • 发表时间:
    2021-05-06
  • 期刊:
    NEUROCOMPUTING
  • 影响因子:
    6
  • 作者:
    Guo, Linlin;Zhang, Hang;Wang, Lei
  • 通讯作者:
    Wang, Lei
Nonlinear Traffic Data Reconstruction in Large-Scale Internet of Vehicle Systems: A Neural Network Approach
大规模车联网系统中的非线性交通数据重建:神经网络方法
  • DOI:
    10.1109/access.2022.3160464
  • 发表时间:
    2022
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Zhenquan Qin;Jian Fang;Bingxian Lu;Xu Xia;Lei Wang;Shan Gao
  • 通讯作者:
    Shan Gao

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码