基于神经网络的Wi-Fi室内定位安全性问题研究OA
Research on Wi-Fi indoor location security based on CNN
针对现有的基于深度学习的室内定位解决方案容易受到无线接入点AP攻击的问题,提出了基于卷积神经网络(CNN)的室内定位框架,构建了一种基于深度学习的Wi-Fi指纹室内安全定位系统(DS-LocCNN),使得多建筑和多楼层在面对恶意攻击时的定位精度得到了保证.通过在UJIIndoorLoc数据集上评估此系统,证明了所提出的DS-LocCNN能很好地抵御基于AP的恶意攻击,且在建筑级定位和楼层级定位上的成功率优于现有的解决方案.
程莉;朱会;马洪;元海文
武汉工程大学电气信息学院,湖北 武汉 430205武汉工程大学电气信息学院,湖北 武汉 430205华中科技大学电子信息与通信学院,湖北 武汉 430074武汉工程大学电气信息学院,湖北 武汉 430205
信息技术与安全科学
室内安全定位卷积神经网络Wi-Fi指纹深度学习AP攻击
《华中科技大学学报（自然科学版）》 2023 (2)
46-51,6
国家自然科学基金青年项目(52001235)中国博士后科学基金资助项目(2020M682504)湖北省教育厅科学技术研究资助项目(D20201501).
评论