买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于深度学习的物理层欺骗攻击检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118741526B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410935748.4，技术领域涉及：H04W12/121；该发明授权一种基于深度学习的物理层欺骗攻击检测方法是由王红军;谢葳;冯子墨;查燕平;马春来;沈哲贤;李歆昊;常超;吴韬设计研发完成，并于2024-07-12向国家知识产权局提交的专利申请。

本一种基于深度学习的物理层欺骗攻击检测方法在说明书摘要公布了：本发明提出一种基于深度学习的物理层欺骗攻击检测方法，属于攻击检测技术领域。该方法利用CSI特征中的信道冲击响应提取出CSI相位差数据，并将其转化为热力图，再使用Wasserstein生成对抗网络WassersteinGenerativeAdversarialNetwork,WGAN模型和编码器Encoder模型进行欺骗攻击检测。本发明主要解决了现有技术中提取CSI特征受时变因素干扰、需要大量非法设备先验信息等限制，难以适用于现实复杂环境的技术难题。

本发明授权一种基于深度学习的物理层欺骗攻击检测方法在权利要求书中公布了：1.一种基于深度学习的物理层欺骗攻击检测方法，其特征在于，所述方法包括： 步骤S1、采集物联网环境下合法设备的信道状态信息，并从所述信道状态信息中提取出相位差数据，将所述相位差数据转化为热力图，以形成合法设备数据集； 在所述步骤S1中，信道状态信息CSI的采集由接收器执行，其接收信号表示为： Y＝HX+N 其中，Y表示接收信号，X表示发送信号，N表示高斯白噪声，H是信道频率响应，各信道的频率响应是复数值，表示为： Hi＝|Hi|exp{j∠Hi} 其中，Hi表示第i个子载波CSI，|Hi|表示第i个子载波的幅值，∠Hi表示第i个子载波的相位，接收器为多天线设备，接收天线数量为r，发射天线数量为1，则接收器采集到的CSI相位表示为： 其中，∠Hj,i表示第j根天线的第i个子载波的CSI相位； 步骤S2、基于所述合法设备数据集训练欺骗攻击检测模型，利用经训练的欺骗攻击检测模型对位置设备执行基于深度学习的物理层欺骗攻击检测； 其中，所述欺骗攻击检测模型为WGAN-Encoder模型，其包含Wasserstein生成对抗网络WGAN和Encoder编码器； 在所述步骤S2中： Wasserstein生成对抗网络WGAN中的生成器将1×100维的隐空间变量z转化为3×64×64维的CSI相位热力图数据，其涉及上采样操作，用于将低维数据转化为高维数据； 对生成器中的批量归一化层进行标准化处理，随后数据进入LeakyReLU激活函数层； 在WGAN中，卷积层后接入批量归一化层和LeakyReLU激活函数层，在训练过程中使用Wasserstein距离来衡量分布距离； 随后在WGAN中加入Dropout层，防止在训练生成器时出现过拟合，并通过全连接层得到1×1维向量； 在所述步骤S2中： Encoder编码器用于寻找最优的隐空间变量z，促进WGAN模型中的生成器生成合法设备数据集中与输入图像最匹配的CSI相位差热力图； 在Encoder编码器训练的过程中，使用经训练的WGAN，且WGAN中的生成器以及判别器的参数保持不变，仅对Encoder编码器进行参数权重更新； Encoder编码器的损失函数包含两个部分：一部分是重构后的图像与原输入图像之间的图像重构误差，另一部是WGAN中生成器最后一个全连接层1×2048向量作为特征向量来计算重构后的图像与原输入图像之间的特征残差； 对于Encoder编码器，s表示卷积时步长大小，p表示卷积时填充大小，卷积后连接LeakyReLU激活函数层和Dropout层以防止过拟合； 输入图片大小为3×64×64，经过四层卷积层，后三个卷积层之间使用批量归一化层对特征进行标准化处理，随后全连接层将其转化为大小为1×100的向量，并通过Than激活函数输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。