CN113868483B - 一种基于联盟链的无线频谱干扰取证分析方法 - Google Patents
一种基于联盟链的无线频谱干扰取证分析方法 Download PDFInfo
- Publication number
- CN113868483B CN113868483B CN202111459950.7A CN202111459950A CN113868483B CN 113868483 B CN113868483 B CN 113868483B CN 202111459950 A CN202111459950 A CN 202111459950A CN 113868483 B CN113868483 B CN 113868483B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- node
- frequency
- signal
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 226
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims description 18
- 238000013475 authorization Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000004374 forensic analysis Methods 0.000 claims 3
- 238000001514 detection method Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 description 27
- 238000000586 desensitisation Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 235000004035 Cryptotaenia japonica Nutrition 0.000 description 1
- 102000007641 Trefoil Factors Human genes 0.000 description 1
- 235000015724 Trifolium pratense Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013068 supply chain management Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/602—Providing cryptographic facilities or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Bioethics (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于联盟链的无线频谱干扰取证分析方法,其特征在于,所述方法包括以下步骤:步骤1,在待测试区域的联盟链网络中配置频谱采集节点和频谱管理节点,并通过所述频谱管理节点采集所述待测试区域中每一个频谱使用设备上的频谱相关数据;步骤2,采用频谱算法对步骤1中采集到的所述频谱相关数据进行分析,并将分析结果存储至所述待测试区域中相应节点的频谱账本中;步骤3,基于联盟链共识,实现对于频谱干扰的识别和处理。本发明步骤简便,对联盟链网络具有良好的适应性,能够实现去中心化的频谱干扰识别方法,有效的实现了具有多个频谱使用方的节点的联盟链应用中频谱非法使用的监控与处理。
Description
技术领域
本发明涉及联盟链领域,更具体地,涉及一种基于联盟链的无线频谱干扰取证分析方法。
背景技术
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。它利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全,利用由自动化脚本代码组成的智能合约来编程和操作数据。区块链具有分布式存储、多方共识、操作可追溯、身份匿名的特性,因此在政务民生、金融科技、司法取证、版权保护、供应链管理领域有着广泛应用前景。
联盟链是由多个私有链组成的集群,由多个机构共同参与管理的区块链,每个组织或机构管理一个或多个节点,其数据只允许***内不同的机构进行读写和发送。相比于公有链,联盟链具有可控制性强、半中心化、交易速度快、数据不会默认公开的优点。联盟链是现阶段区块链的主力军,在应用场景方面,联盟链也已经踏入“场景应用”阶段,电子***、供应链溯源应用已然初具规模。探索联盟链的应用场景对于真正用好区块链,积极推动区块链技术和产业发展,不断做强区块链技术研究和应用具有现实意义。
由于区块链自身价值在于降低信任成本提升交易效率,区块链***中常常会因为用户匿名和去中心化组织导致***中用户行为不可控,从而产生大量异常行为影响***健康发展。与区块链相比,联盟链作为兼顾效率、灵活可控的区块链,非常适合企业和组织用来落地区块链的应用场景。另外,联盟链的“半中心化”特征也为有效监管带来了可能。通过对于联盟链的监管,规范数据交易、算法交易、资源交易,处罚非法交易,预警异常行为,可以进一步提升区块链的交易效率,提升***稳定性,发挥区块链的价值优势,助力企业降本增效。
在电力***大规模建设和应用1.8G频段的电力无线专网的背景下,联盟链技术在电力无线专网中的应用有着较为广阔的空间。区块链+动态频谱共享是6G通信的关键技术,电力无线专网使用的1790MHz-1800MHz频段为多个行业共用的频段,每个行业使用有各自的特点,例如轨道交通是在固定的轨道沿线、固定的时间段才使用,电力是在有电力业务的区域全天候使用,基于联盟链技术的频谱共享,将能极大提升频谱的使用效率。
然而,现有技术中,尚不存在一种基于联盟链网络对于多个频谱使用方的频谱使用情况进行监控或识别的方法。因此,当联盟链网络中存在多个频谱使用方的基站设备的时候,非常容易出现频谱违规占用的情况,而一旦出现这种情况,将会对其他的频谱使用方的数据业务传输造成极为严重的影响。
另外,现有技术中存在一些对于各个频谱使用方的频谱使用数据进行分析的方法。例如,背景技术文献《基于复数无迹卡尔曼滤波的电力***频率和谐波估计》,崔博文等,船电技术,第41卷第7期,2021年7月中公开了一种电力***频谱估计的方法,能够针对电力***信号复数状态空间模型,实现***信号频率和谐波的估计。背景技术文献《二阶和四阶矩信噪比估计法研究》,杜丽娟等,山东理工大学学报(自然科学版),第19卷第6期,2005年11月中公开了一种对于二阶和四阶矩信噪比估计法在实信道和复信道中的应用进行了研究。然而,这种估计只能够对于各个频谱使用方的频谱使用情况进行获取,并无法动态的获取到联盟链网络中无线电官方授权信息和合法使用规则中对各个天线许可频谱的要求,以及各个频谱使用情况与许可频谱要求之间的比较。
针对上述问题,亟需一种基于联盟链的无线频谱干扰取证分析方法。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供一种基于联盟链的无线频谱干扰取证分析方法,通过采集联盟链中待测试区域中的频谱相关数据,将该频谱相关数据进行分析,以获得对待测试区域中频谱干扰的识别和处理参考。
本发明采用如下的技术方案。
一种基于联盟链的无线频谱干扰取证分析方法,其中,方法包括以下步骤:步骤1,在待测试区域的联盟链网络中配置频谱采集节点和频谱管理节点,并通过频谱管理节点采集待测试区域中每一个频谱使用设备上的频谱相关数据;步骤2,采用频谱算法对步骤1中采集到的所述频谱相关数据进行分析,并将分析结果存储至待测试区域中相应节点的频谱账本中;步骤3,基于联盟链共识,实现对于频谱干扰的识别和处理。
优选的,频谱采集节点为符合智能合约要求的多个频谱使用方的节点;频谱管理节点为联盟链网络中唯一一个频谱管理节点。
优选的,待测试区域的判断方式为:当区域内部署有至少两个频谱使用方的频谱采集节点,且历史月份中区域内的平均受干扰次数大于联盟链网络中的平均受干扰次数时,判定当前区域为待测试区域。
优选的,频谱使用方的数量为4。
优选的,频谱相关数据的采集方法为,每一其他节点调用智能合约对待采集数据或待采集数据的哈希摘要依次进行脱敏、加密后上链。
优选的,频谱相关数据包括每一其他节点的基本信息上链和实时参数上链;其中,基本信息上链包括节点名称、使用频段、天线挂高、经纬度位置、使用时段、天线各扇区的方位角和下倾角、天线各扇区的标识码、天线发射功率区间;实时参数上链包括终端接入数据、上下行噪声。
优选的,终端接入数据和上下行噪声的区分方法为二阶矩信噪比估计法。
优选的,当每一其他节点中的任意一个节点检测到异常时,由自身发出共识评判或向频谱管理节点发出共识评判请求;频率管理节点接收到共识评判请求后发出共识评判;基于共识评判对待测试区域中的频谱干扰进行识别和处理。
优选的,节点检测到异常的判断方式为:当节点的接收信号的实时噪声功率大于节点的平均噪声功率与功率判定临界值之和,则认为节点存在异常情况。
优选的,节点的平均噪声功率为节点历史信号中噪声功率采样的平均值;节点的功率判定临界值为节点历史信号中噪声功率采样的方差。
优选的,共识评判的方法为:步骤3.1,对频谱采集节点或频谱管理节点中的任意一个节点接收信号采用快速傅里叶变换算法获取信号的频域表示,并采用基于复数无迹卡尔曼滤波的电力***频率估计法对于信号的频域表示进行计算,以获得信号的频率;步骤3.2,基于二阶矩、四阶矩信噪比估计法计算节点接收信号的平均发射功率,并对节点接收信号进行解调以获得信号的频率使用方类型和频率使用方标识码;步骤3.3,基于信号的频谱使用设备类型和频谱使用设备标识码从智能合约中查询所述信号的要求频谱和要求功率范围;步骤3.4,将信号的要求频谱、要求功率范围分别与信号的频率、平均发射功率进行比较,以获得违反智能合约的频谱使用设备。
优选的,每一个频谱采集节点和频谱管理节点中存储有所述智能合约;智能合约中存储有查询表,查询表中包括频谱使用设备的类型与要求频谱和要求功率范围之间的关联关系。
优选的,查询表中要求频谱和要求功率范围的获取方式为采用二分类决策树算法获得;其中,二分类决策树的决策规则是基于专家经验获取的;专家经验为频谱管理节点中存储的无线电官方授权信息和合法使用规则;无线电官方授权信息和合法使用规则中包含许可天线的发射功率和频谱。
本发明的有益效果在于,与现有技术相比,本发明中一种基于联盟链的无线频谱干扰取证方法,能够通过采集联盟链中待测试区域中的频谱相关数据,对待测试区域进行分析,从而实现对于频谱干扰的识别和处理。本发明步骤简便,对联盟链网络具有良好的适应性,能够实现去中心化的频谱干扰识别方法,有效的实现了具有多个频谱使用方的节点的联盟链应用中频谱非法使用的监控与处理。
本发明的有益效果还包括:
1、由于数据计入各自的频谱账本,因此保证了数据共识前的数据完整性,提高了分析取证的效率。设置频谱账本的这种方式不仅保证了数据共识前的完整性,并且防止了单方篡改数据行为的发生。
2、由于本发明中的每个节点都部署了相同的智能合约,在将数据写入各个节点的频谱账本之前,各个节点都会采用相同智能合约的逻辑对于异常频谱使用的情况进行处理,采用这种方式获得的各方共识,其处理结果具有更高的置信度。
3、本发明方法不仅排出了私人伪基站对于频谱的占用,而且防止了在具有多个频谱资源使用方的区域内,不同的使用方对其他使用方在某个时段或某个频段上的资源占用,较好的约束了运营商频谱资源使用的规范程度。
4、本发明充分利用联盟链网络的特点,在数据传输过程中,适当的进行了数据脱敏和加密的过程,实现了数据传输的安全性。例如,通过这种方式实现数据的加密后,可以有效的防止数据的篡改以及“中间人”的攻击等等。
5、本发明中所采用的共识评判方法能够基于二分类方法,根据无线电官方授权信息和合法使用规则的信息对于网络中各个设备的频谱占用情况进行动态的分类和监测,使得分析结果更加准确。
附图说明
图1为本发明一种基于联盟链的无线频谱干扰取证分析方法的步骤流程示意图;
图2为本发明一种基于联盟链的无线频谱干扰取证分析方法中联盟链网络的网络架构示意图。
具体实施方式
下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本申请的保护范围。
图1为本发明一种基于联盟链的无线频谱干扰取证分析方法的步骤流程示意图。如图1所示,一种基于联盟链的无线频谱干扰取证分析方法,其中,方法包括步骤1至步骤3。
步骤1,在待测试区域的联盟链网络中配置频谱采集节点和频谱管理节点,并通过频谱管理节点采集待测试区域中每一个频谱使用设备上的频谱相关数据。
本发明方法中,在待测试区域的联盟链网络中,可以配置频谱采集节点和频谱管理节点。具体来说,联盟链网络中,每一个频谱使用方都可以设置一个或多个频谱采集节点,该节点可以与多个无线基站设备进行连接,以实现对于其自身设备的数据流量以及频谱、功率等基本信息的采集和汇总。
另一方面,频谱管理节点在一个联盟链网络中,通常只存在一个,在该节点中,可以预先存储有频谱管理的相关信息,例如无线电官方管理信息、频谱的合法使用规则等内容。由于这些内容的存在,频谱管理节点可以生成相关的频谱查询表,并以智能合约的方式发布给该联盟链网络中的其他所有节点中。一般来说,该节点通常都是由无线电官方管理机构实利用现有的监测站或新的监测站部署实现的。该节点能够将合法使用规则内容上链,同时实时的监测来自其他节点的无线信号,例如共识评判请求等。
图2为本发明一种基于联盟链的无线频谱干扰取证分析方法中联盟链网络的网络架构示意图。如图2所示,频谱采集节点为符合智能合约要求的多个频谱使用方的节点;频谱管理节点为联盟链网络中唯一一个频谱管理节点。
本发明一实施例中,频谱使用方的数量为4。这些频谱使用方可以是布置基站设备的联盟链网络中的不同运营商,例如通信运营商和电力***专网的运营商等等。
优选地,待测试区域的判断方式为:当区域内部署有至少两个频谱使用方的节点,且历史月份中区域内的平均受干扰次数大于联盟链网络中的平均受干扰次数时,判定当前区域为待测试区域。
可以理解的是,本发明中,可以对于区域中频谱使用方的数量进行获取,如果该数量大于或等于2个时,则可以认定该区域内的频谱使用情况较为复杂,并且不合理、不规范使用频谱的可能性也比较高,因此可以对于这一区域进行测试。
具体来说,本发明中的区域是整个联盟链网络中的部分网络。该部分网络中的设备可以均处于一个行政区划中,或者是以其他方式进行实际位置划分出来的区域。一般来说,整个联盟链网络可以覆盖到的区域范围比较广,比如整个城市,而本发明中的待测试区域的覆盖范围则相对较小,比如待测试区域的覆盖范围可以为联盟链中的局部,例如,一个小区、一个街道等等。
进一步的,基站是否位于待测试区域,则可以通过该基站所在的地理位置、经纬度坐标等信息来进行判断。该区域内的平均受干扰次数则可以通过该地区中多个历史月份的所有基站设备的总的受到干扰的次数得到。而联盟链网络中的平均受干扰次数则可以是基于联盟链整体所在的区域中所有的设备的情况判定的。
优选地,频谱相关数据的采集方法为,每一其他节点调用智能合约对待采集数据或待采集数据的哈希摘要依次进行脱敏、加密后上链。
可以理解的是,本发明中频谱相关数据的采集方法与联盟链中通用的数据传输方法较为类似,都包括数据脱敏和加密等步骤。
具体来说,本发明中数据脱敏的方法如下:首先,对待脱敏数据进行解析并生成解析结果;其次,根据解析结果,确定脱敏模式,并确定与脱敏模式对应的脱敏规则;最后,根据确定的脱敏规则对待脱敏数据进行脱敏,将完成脱敏的待脱敏数据发送到数据集群。
本发明一实施例中,对于电网相关的无线电频谱数据,可以考虑电网***的实际情况进行脱敏。本发明中,可以采集频谱干扰发生点的经纬度数据,同时采用增加数据偏移量的方式实现脱敏,例如,原始设备的经纬度数据为(x,y),偏移量为(x_offset,y_offset)。经过偏移量增加后的数据的经纬度被更改为(x+x_offset,y+y_offset),从而获得脱敏。本发明另一实施例中,也可以将数据的时间戳进行偏移并脱敏。本发明中的偏移量(x_offset,y_offset)可以预先设置。
其次,本发明中一般包括两种数据,一种是链上数据,即通过联盟链上链的方式实现传输。另一种是链下数据,即数据内容体积较大,并不适合在链上进行传输,例如,直接采集获得的原始的传输数据。
对于第一种链上数据,可以基于联盟链中的组织身份自动对其进行加密处理。另外,对于链下数据则数据加密的方法如下:首先,在接收到数据私密存储空间设置请求时,确定待构建的私密存储空间存储数据的数据大小、数据类型、数据加密等级、数据所属用户的身份标识;随后,构建数据大小、数据类型、数据加密等级、数据所属用户的身份标识对应的私密存储空间,并根据该空间实现数据的加密。
通过这种方式实现数据的加密后,可以有效的防止数据的篡改以及“中间人”的攻击等等。
优选地,频谱相关数据包括每一其他节点的基本信息上链和实时参数上链;其中,基本信息上链包括节点名称、使用频段、天线挂高、经纬度位置、使用时段、天线各扇区的方位角和下倾角、天线各扇区的标识码、天线发射功率区间;实时参数上链包括终端接入数据、上下行噪声。
本发明中的基本信息上链包括设备的一些基本信息,通过这些基本的参数,能够准确的区分出该区域中官方架设的基站与私人假设的伪基站,从而有效的切断这种情况下,由于伪基站所导致的频谱非法使用和频谱干扰。
优选地,终端接入数据和上下行噪声的区分方法为二阶矩信噪比估计法。
本发明中,判断信息属于噪声可以首先假设噪声为加性高斯白噪声,这时区分噪声与有用信号就是利用二阶以上的累积量。由于加性高斯白噪声的二阶以上的累积量为0,因此基于加性高斯白噪声的特性,可以做到区分噪声与有用信号。
步骤2,采用频谱算法对步骤1中采集到的频谱相关数据进行分析,并将分析结果存储至待测试区域中相应节点的频谱账本中。
一方面,本发明中可以将频谱相关数据的部分原始内容记录在频谱账本中,另一方面,本发明中可以对步骤1中采集到的数据进行分析,从而获得相应的结果,并将该结果引发的数据传输方式的相应内容记录。由于,本发明中可以针对某一个节点发出的共识评判对于频谱干扰的识别和处理进行激活,也就是接收到共识评判后,各个节点可以对于生成的评判结果达成共识,同时将数据记录在各自的频谱账本中。设置频谱账本的这种方式不仅保证了数据共识前的完整性,并且防止了单方篡改数据行为的发生。
步骤3,基于联盟链共识,实现对于频谱干扰的识别和处理。
本发明中,如果区域被判定为待测试区域后,节点可以实时的采集相应的频谱相关数据进行分析,并在接收到共识评判时进行共识的网络传输方式的更新。同时,在发现有违规使用频率的用户干扰到其他频谱使用方对于频谱资源的使用后,本发明的方法还可以将评判结果以及解决方案上链进行共识,以使得联盟链中的多个节点之间形成共识的解决方案。
优选的,当每一其他节点中的任意一个节点检测到异常时,由自身发出共识评判或向频谱管理节点发出共识评判请求;频率管理节点接收到共识评判请求后发出共识评判;基于共识评判对待测试区域中的频谱干扰进行识别和处理。
具体来说,本发明中,当某一个频谱使用方自身检测到自己的一个或多个基站受到噪声或其他干扰的影响,使得业务终端的通信不顺畅时,就可以发出共识评判了。发出共识评判的方式有两种,第一种是通过自身的频谱采集节点直接发出,另一种是通过向频谱管理节点发出请求,之后由频谱管理节点转发该共识评判。
一般情况下,共识评判是否发出可以基于节点是否异常作为判定方式的。
优选的,节点检测到异常的判断方式为:当节点的接收信号的实时噪声功率大于节点的平均噪声功率与功率判定临界值之和,则认为节点存在异常情况。
可以理解的是,本发明中,可以对节点的平均噪声功率和功率判定临界值进行求和计算,并将该求和结果与实时噪声功率的大小进行比较。
优选的,节点的平均噪声功率为节点历史信号中噪声功率采样的平均值;节点的功率判定临界值为节点历史信号中噪声功率采样的方差。可见,节点的功率判定临界值可以为节点的离散程度的一种表征方式,而节点的平均噪声功率则可以为节点的集中度的一种表征方式。本发明中的平均噪声功率和功率判定临界值都可以是从海量的联盟链的传输信号中提取的,或者是从当前区域的历史信号中提取的。
优选的,共识评判的方法为:步骤3.1,对频谱采集节点或频谱管理节点中的任意一个节点接收信号采用快速傅里叶变换算法获取信号的频域表示,并采用基于复数无迹卡尔曼滤波的电力***频率估计法对于信号的频域表示进行计算,以获得信号的频率;步骤3.2,基于二阶矩、四阶矩信噪比估计法计算节点接收信号的平均发射功率,并对节点接收信号进行解调以获得信号的频率使用方类型和频率使用方标识码;步骤3.3,基于信号的频谱使用设备类型和频谱使用设备标识码从智能合约中查询信号的要求频谱和要求功率范围;步骤3.4,将信号的要求频谱、要求功率范围分别与信号的频率、平均发射功率进行比较,以获得违反智能合约的频谱使用设备。
本发明中,可以分别对于信号的频谱和功率进行获取。获得信号频谱的方法可以是先经过快速傅里叶变换,获得信号的频域表示,然后通过现有技术中已经具备的复数无迹卡尔曼滤波的频谱估计方法来对于信号的频域表示进行处理,从而获得信号的主要频谱区间。
另一方面,本发明中可以采用高阶累积量的方式对于信号中有效信息的功率和噪声的功率进行区分,从而获得信号中有效信号的平均发射功率。
另外,在接收信号的同时,还可以对信号进行解调,以获得数据信号中所包括的发送端设备的相关信息,例如频率使用方类型,也就是来自于哪个运营商,和频率使用方标识码,例如发送端基站设备的唯一识别码等内容。
优选的,每一个频谱采集节点和频谱管理节点中存储有智能合约;智能合约中存储有查询表,查询表中包括频谱使用设备的类型与要求频谱和要求功率范围之间的关联关系。
本发明,由于已经在联盟链中预先生成的智能合约中规定了频率使用方类型、频率使用方的标识码以及该相应的频率使用方的设备的要求频谱和要求功率范围之间的关系,根据对信号中类型和标识码等信息的采集,就可以获得到该设备传输数据时,在频谱和功率两个参数上的限制。
如果在其中一个参数上的限制超过了规范的要求,则说明发生了异常使用频谱资源的情况。则联盟链中的各个节点都会采用相同智能合约的逻辑进行异常情况的处理,如果处理结果相同,则表明各方达成共识,处理结果可信。
优选的,查询表中要求频谱和要求功率范围的获取方式为采用二分类决策树算法获得;其中,二分类决策树的决策规则是基于专家经验获取的;专家经验为频谱管理节点中存储的所述无线电官方授权信息和合法使用规则;无线电官方授权信息和合法使用规则中包含许可天线的发射功率和频谱。
可以理解的是,对于存储在智能合约中的查询表来说,其内容是可以根据具体情况而发生变化的。也就是说,对于同一种类型和同一个识别码的设备来说,在不同的情况下,例如在不同的时间段中,设备能够使用的频谱范围的上下限度是可以变化的。
表1为本发明中查询表的一个实施例,如表1所示,当频率使用方的类型为1、2、3的时候,其频率范围和发射功率范围的上下限内容均记载在表格中。
表1查询表
另外,本发明中的查询表本身也是动态生成的,例如是通过频谱管理节点将其本地存储的无线电官方管理机构的合法使用规则等数据上链之后,对智能合约中的内容进行生成或更新。而后其他的节点可以同步的接收到智能合约,并通过智能合约中的内容,得到某一个设备合理的频谱范围的。
具体来说,可以采用二分类的方法实现设备当前的频谱是否位于要求频谱范围内的判定。而这种二分类方法的专家经验就是由智能合约中的存储的无线电官方授权信息和合法使用规则生成的。
需要说明的是,本发明中的智能合约,可以分析出频率越限或者违规使用方,将分析结果存入各节点频谱账本。因此,当各个节点接收到共识评判后,可以检测各个节点的数据,并对干扰情况进行分析,同时获得共识结果。另外,频谱账本则可以在达成共识后,将数据计入各自节点的账本中,保证了数据共识前的完整性,防止了单方设备对数据的篡改操作。同时,数据记入各自的频谱账本,保证了数据共识前的完整性,也提高了取证分析的效率。
本发明中,频谱账本的内容可以包括向量,其中,为信号的当前频率,为计算获得的实际信号的平均发射功率,为频谱使用设备的类型,为频谱使用设备的标识码,为频谱使用设备的违规标识符。该违规标识符的取值通常为non-violation(不违规)和vialation(违规)两种类型。具体来说,本发明中,当设备同时满足要求频谱和要求功率范围时,则可以获得的取值为non-violation(不违规),当其中一个条件不满足要求时,则为vialation(违规),并形成共识评判结果。
本发明的有益效果在于,与现有技术相比,本发明中一种基于联盟链的无线频谱干扰取证方法,能够通过采集联盟链中待测试区域中的频谱相关数据,对待测试区域进行分析,从而实现对于频谱干扰的识别和处理。本发明步骤简便,对联盟链网络具有良好的适应性,能够实现去中心化的频谱干扰识别方法,有效的实现了具有多个频谱使用方的节点的联盟链应用中频谱非法使用的监控与处理。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (13)
1.一种基于联盟链的无线频谱干扰取证分析方法,其特征在于,所述方法包括以下步骤:
步骤1,在待测试区域的联盟链网络中配置频谱采集节点和频谱管理节点,并通过所述频谱管理节点采集所述待测试区域中每一个频谱使用设备上的频谱相关数据;
步骤2,采用频谱算法对步骤1中采集到的所述频谱相关数据进行分析,并将分析结果存储至所述待测试区域中相应节点的频谱账本中;
步骤3,基于联盟链共识进行共识评判以识别所述分析结果中的信号频率和功率是否符合智能合约的要求,并基于所述共识评判的结果实现对于频谱干扰的处理。
2.根据权利要求1中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述频谱采集节点为符合智能合约要求的多个频谱使用方的节点;
所述频谱管理节点为所述联盟链网络中唯一一个频谱管理节点。
3.根据权利要求2中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述待测试区域的判断方式为:
当区域内部署有至少两个频谱使用方的所述频谱采集节点,且历史月份中所述区域内的平均受干扰次数大于所述联盟链网络中的平均受干扰次数时,判定当前区域为所述待测试区域。
4.根据权利要求3中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述频谱使用方的数量为4。
5.根据权利要求1中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述频谱相关数据的采集方法为,所述每一个频谱使用设备调用智能合约对待采集数据或待采集数据的哈希摘要依次进行脱敏、加密后上链,被称为每一其他节点。
6.根据权利要求5中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述频谱相关数据包括所述每一其他节点的基本信息上链和实时参数上链;
其中,所述基本信息上链包括节点名称、使用频段、天线挂高、经纬度位置、使用时段、天线各扇区的方位角和下倾角、天线各扇区的标识码、天线发射功率区间;
所述实时参数上链包括终端接入数据、上下行噪声。
7.根据权利要求6中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述终端接入数据和所述上下行噪声的区分方法为二阶矩信噪比估计法。
8.根据权利要求5中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
当所述每一其他节点中的任意一个节点检测到异常时,由自身发出共识评判或向所述频谱管理节点发出共识评判请求;
所述频谱管理节点接收到所述共识评判请求后发出共识评判;
基于所述共识评判对所述待测试区域中的频谱干扰进行识别和处理。
9.根据权利要求8中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
节点检测到异常的判断方式为:
当所述节点的接收信号的实时噪声功率大于所述节点的平均噪声功率与功率判定临界值之和,则认为所述节点存在异常情况。
10.根据权利要求9中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述节点的平均噪声功率为所述节点历史信号中噪声功率采样的平均值;
所述节点的功率判定临界值为所述节点历史信号中噪声功率采样的方差。
11.根据权利要求1中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述共识评判的方法为:
步骤3.1,对所述频谱采集节点或频谱管理节点中的任意一个节点接收信号采用快速傅里叶变换算法获取所述信号的频域表示,并采用基于复数无迹卡尔曼滤波的电力***频率估计法对于所述信号的频域表示进行计算,以获得所述信号的频率;
步骤3.2,基于二阶矩、四阶矩信噪比估计法计算所述节点接收信号的平均发射功率,并对所述节点接收信号进行解调以获得所述信号的频率使用方类型和频率使用方标识码;
步骤3.3,基于所述信号的频谱使用设备类型和频谱使用设备标识码从所述智能合约中查询所述信号的要求频谱和要求功率范围;
步骤3.4,将所述信号的要求频谱、要求功率范围分别与所述信号的频率、平均发射功率进行比较,以获得违反智能合约的所述频谱使用设备。
12.根据权利要求11中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
每一个所述频谱采集节点和频谱管理节点中存储有所述智能合约;
所述智能合约中存储有查询表,所述查询表中包括所述频谱使用设备的类型与要求频谱和要求功率范围之间的关联关系。
13.根据权利要求12中所述的一种基于联盟链的无线频谱干扰取证分析方法,其特征在于:
所述查询表中所述要求频谱和要求功率范围的获取方式为采用二分类决策树算法获得;其中,
所述二分类决策树的决策规则是基于专家经验获取的;
所述专家经验为所述频谱管理节点中存储的所述无线电官方授权信息和合法使用规则;
所述无线电官方授权信息和合法使用规则中包含许可天线的发射功率和频谱。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111459950.7A CN113868483B (zh) | 2021-12-02 | 2021-12-02 | 一种基于联盟链的无线频谱干扰取证分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111459950.7A CN113868483B (zh) | 2021-12-02 | 2021-12-02 | 一种基于联盟链的无线频谱干扰取证分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113868483A CN113868483A (zh) | 2021-12-31 |
CN113868483B true CN113868483B (zh) | 2022-03-25 |
Family
ID=78985695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111459950.7A Active CN113868483B (zh) | 2021-12-02 | 2021-12-02 | 一种基于联盟链的无线频谱干扰取证分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113868483B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117768013B (zh) * | 2024-02-22 | 2024-05-03 | 成都戎星科技有限公司 | 一种卫星地面站链路的智能运维*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111585671A (zh) * | 2020-04-15 | 2020-08-25 | 国网河南省电力公司郑州供电公司 | 电力lte无线专网电磁干扰监测及识别方法 |
CN112954698A (zh) * | 2019-12-10 | 2021-06-11 | 索尼公司 | 用于无线通信的电子设备和方法、计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2614527C2 (ru) * | 2012-05-15 | 2017-03-28 | Телефонактиеболагет Л М Эрикссон (Пабл) | Управление помехами для связи "от устройства к устройству" с помощью сети |
CN105101216B (zh) * | 2014-05-09 | 2020-03-10 | 中兴通讯股份有限公司 | 频谱资源配置方法、装置及*** |
US20150358063A1 (en) * | 2014-06-09 | 2015-12-10 | Collision Communications, Inc. | Reduction Of Interference In A Wireless Network Through Spectrum Analysis And Transmit Beamforming |
CN112637822B (zh) * | 2020-12-26 | 2023-01-20 | 北京工业大学 | 一种基于区块链的蜂窝网络安全交易平台 |
CN113286299B (zh) * | 2021-05-10 | 2022-04-01 | 南京航空航天大学 | 一种基于联盟链的动态频谱共享***和方法 |
-
2021
- 2021-12-02 CN CN202111459950.7A patent/CN113868483B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112954698A (zh) * | 2019-12-10 | 2021-06-11 | 索尼公司 | 用于无线通信的电子设备和方法、计算机可读存储介质 |
CN111585671A (zh) * | 2020-04-15 | 2020-08-25 | 国网河南省电力公司郑州供电公司 | 电力lte无线专网电磁干扰监测及识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113868483A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107819771B (zh) | 一种基于资产依赖关系的信息安全风险评估方法及*** | |
Li et al. | FBS-Radar: Uncovering Fake Base Stations at Scale in the Wild. | |
CN108306893A (zh) | 一种自组网络的分布式入侵检测方法和*** | |
JP4808703B2 (ja) | 改良型侵入検出監査およびインテリジェント・セキュリティ分析の比較を使用して関連するネットワーク・セキュリティの脅威を識別するための方法およびシステム | |
CN115733681A (zh) | 一种防止数据丢失的数据安全管理平台 | |
CN112667717B (zh) | 变电站巡检信息处理方法、装置、计算机设备和存储介质 | |
CN104683984B (zh) | 无线通信信号实时监测处理方法和*** | |
CN105825129A (zh) | 一种融合通信中恶意软件鉴别方法和*** | |
CN116232770B (zh) | 一种基于sdn控制器的企业网络安全防护***及方法 | |
CN104702603A (zh) | 面向移动互联网的多视角安全审计*** | |
CN113868483B (zh) | 一种基于联盟链的无线频谱干扰取证分析方法 | |
Wasilewska et al. | Secure federated learning for cognitive radio sensing | |
CN117812094A (zh) | 一种基于物联网设备的数据共享方法和*** | |
CN110381047B (zh) | 一种网络攻击面追踪的方法、服务器和*** | |
CN116389135A (zh) | 一种计算机通信的网络安全监测*** | |
Nakarmi et al. | Applying machine learning on rsrp-based features for false base station detection | |
Smailes et al. | Watch this space: Securing satellite communication through resilient transmitter fingerprinting | |
CN117319090A (zh) | 一种网络安全智能防护*** | |
CN110912933B (zh) | 一种基于被动测量的设备识别方法 | |
CN111585813A (zh) | 一种物联网环境下网络节点的管理方法及*** | |
CN114124453B (zh) | 网络安全信息的处理方法、装置、电子设备及储存介质 | |
CN114070641B (zh) | 一种网络入侵检测方法、装置、设备和存储介质 | |
Sharifi | Attack-aware defense strategy: A robust cooperative spectrum sensing in cognitive radio sensor networks | |
CN113032774B (zh) | 异常检测模型的训练方法、装置、设备及计算机存储介质 | |
KR100799558B1 (ko) | P2p 네트워크에서의 유해 파일 추적 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |