CN114449444B - 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法 - Google Patents

基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法 Download PDF

Info

Publication number
CN114449444B
CN114449444B CN202210103377.4A CN202210103377A CN114449444B CN 114449444 B CN114449444 B CN 114449444B CN 202210103377 A CN202210103377 A CN 202210103377A CN 114449444 B CN114449444 B CN 114449444B
Authority
CN
China
Prior art keywords
equipment
ble
wifi
sniffing
signal
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
Application number
CN202210103377.4A
Other languages
English (en)
Other versions
CN114449444A (zh
Inventor
罗军舟
郭乃瑄
凌振
杨明
顾啸林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210103377.4A priority Critical patent/CN114449444B/zh
Publication of CN114449444A publication Critical patent/CN114449444A/zh
Application granted granted Critical
Publication of CN114449444B publication Critical patent/CN114449444B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种基于WiFi‑BLE信号被动嗅探的跨智能可携带设备关联方法，实现对用户同时携带的WiFi和BLE两类设备进行关联，步骤如下：(1)WiFi‑BLE双信号嗅探：(2)基于多级滤波的信号处理：(3)基于动态时间规整的设备关联：对BLE设备信号强度值序列进行随机重采样，使得不同BLE设备信号采样率相近，再分别对WiFi和BLE两类信号强度值序列进行中心化处理，利用动态时间规整法计算两类设备信号强度值序列的距离，并比较两类序列的距离得出关联结果。本发明基于用户随身携带两类设备的习惯，通过对移动智能终端产生的WiFi信号和智能穿戴设备产生的BLE信号进行分析，抽取出两类信号动态变化相似性的特征，从而可以准确地关联移动智能终端和智能穿戴设备。

Description

基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法
技术领域
本发明涉及用户设备关联领域，尤其是涉及一种基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法。
背景技术
随着移动通信技术的发展和移动设备的普及，智能可携带设备已广泛存在于人们的生产生活中。人们通常使用的智能可携带设备主要包括移动智能终端(例如手机、平板等)和智能穿戴设备两类，为了对这两类设备进行有效地管控，需要对其进行关联，从而构建用户设备图谱。在关联两类设备后，可应用于设备相互认证、设备防盗窃等场景。
针对跨智能可携带设备关联方法目前还处于起步阶段，相关技术主要包括两类：一类是基于移动智能终端会安装智能穿戴设备的特定软件，通过对移动智能终端所产生的网络流量的分析，从而识别出相应的智能穿戴设备，但当该软件不产生网络流量时则无法进行关联；第二类是基于WiFi信号和BLE信号进行联合定位，但是其应用场景为用户移动智能终端的定位，需要用户主动安装相应的软件并部署大量无线AP热点或蓝牙定位信标beacon，采用定位技术实现关联，但由于定位精度有限会造成一定的误差，无法满足在多用户的情况下实现精准关联。因此，现有的方法存在假设要求过高的问题，均需要用户主动参与设备关联的过程，无法被动静默地采集数据实现精准的跨智能可携带设备关联。
考虑到移动智能终端通常使用WiFi接入网络，而智能穿戴设备使用BLE与移动智能终端进行连接。而且，通常情况下两类设备会随用户共同移动，从而导致WiFi信号和BLE信号强度变化相似。因此可以通过对两类无线信号强度变化情况的分析，从而关联两类设备。
发明内容
如何高效、准确地对移动智能终端和智能穿戴设备进行关联，是一个急需解决的重要问题，通过设备关联可构建用户设备谱图，为设备管控提供有力的支撑。针对现有跨智能可携带设备关联方法假设要求高的问题，本发明在不需要用户主动参与的情况下，基于动态时间规整法对两类设备的WiFi和BLE信号强度变化相似性进行计算，从而关联两类设备。
为了实现上述目的，本发明的技术方案如下：一种基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法，所述方法包括以下步骤：
(1)WiFi-BLE双信号嗅探：根据场地和设备属性进行嗅探设备的部署，确定嗅探设备的有效嗅探范围；
(2)基于多级滤波的信号处理：对采集的WiFi和BLE信号报文按设备地址进行分类并提取信号强度值，再利用多级滤波对信号强度值序列进行噪声过滤；
(3)基于动态时间规整的设备关联：对BLE设备信号强度值序列进行随机重采样，使得不同BLE设备信号采样率相近，再分别对WiFi和BLE两类信号强度值序列进行中心化处理，然后利用动态时间规整法计算两类设备信号强度值序列的DTW距离，最后通过比较两类设备之间的DTW距离从而得出关联结果。
进一步的，步骤(1)WiFi-BLE双信号嗅探，具体包括：
(11)部署WiFi信号和BLE信号的嗅探设备。根据实际的嗅探环境，选择合适的位置以放置嗅探设备；
(12)确定设备的有效嗅探范围。对嗅探设备进行测试，判断其在当前嗅探环境下的有效嗅探范围，确定了有效嗅探范围之后，会使得后续的信号嗅探结果更加精准有效，还可以根据该范围部署更多的设备，从而扩大嗅探的覆盖范围。
进一步的，步骤(2)中的多级滤波方法包括：
(21)对嗅探获得的WiFi和BLE信号报文进行解析，按IP地址和蓝牙广播地址分别对移动智能终端和智能穿戴设备进行分类，然后抽取报文中的RSS值和对应时间戳，形成RSS序列；
(22)利用低通滤波Butterworth滤波器和算术平均滤波对RSS序列进行滤波，以减弱抖动噪声和冲击噪声的干扰，从而使得后续DTW值的计算更加精准。
进一步的，步骤(3)中的设备关联方法包括：
(31)从所有BLE设备的RSS序列集合中，任意选取其中的两个设备RSS序列，计算采样率阈值；
(32)基于该采样率阈值，对RSS数量较多的BLE设备序列进行随机采样，使其采样率与另一个BLE设备接近，再与目标WiFi设备的RSS序列计算DTW值，随机采样1000次后，取平均值作为最终的DTW值；
(33)对于RSS数量较少的BLE设备，直接计算其序列与目标WiFi设备的RSS序列的DTW值；
(34)比较两个DTW值，选择DTW值小的BLE设备作为候选设备；
(35)针对n个BLE设备，从中任意选择两个设备，则有C(n，2)种组合，得出C(n，2)个候选BLE设备，形成候选BLE设备序列，选择序列中的众数作为目标WiFi设备的最终关联结果。
其中，所述步骤(32)、(33)中计算DTW值之前，对两序列进行中心化处理，即对序列中每一个RSS值减去该序列RSS值的均值，通过中心化操作可以避免由于不同设备RSS均值的不同从而导致DTW值比较结果出现误差。
本发明与现有技术相比，优点如下：
1、不需要用户主动安装软件，在被动信号嗅探的场景下进行设备关联，更具有实际可行性；
2、利用低通滤波和算术平均滤波对信号序列进行处理，有效地减弱了噪声带来的干扰；
3、针对不同BLE设备广播报文采样率不等且分布不均匀会影响DTW计算的问题，利用随机重采样和中心化处理，计算所得的DTW值使得关联结果更精准。
4、基于BLE信号和WiFi信号的动态变化一致性进行了智能穿戴设备和手机的关联，得到了较好的关联结果，可以有效协助监管部门实施设备管控。
附图说明
图1为本发明所述的基于被动信号嗅探的关联场景示意图；
图2为本发明所述的基于被动信号嗅探的关联方法流程图；
图3为本发明所述的WiFi信号和BLE广播信号数据包格式示意图；
图4为本发明所提出的基于动态时间规整的关联算法流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行详细阐述。
本实施例中提供一种基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法，关联场景如图1所示，首先需要在场景中部署信号嗅探设备，并测试嗅探设备的有效嗅探范围，然后对WiFi和BLE两类信号进行嗅探，通过对嗅探得到的报文进行分析，抽取两类设备的信号强度值序列，然后利用多级滤波对信号序列进行处理，最后基于动态时间规整法计算两类信号序列的DTW值，从而实现WiFi设备和BLE设备的精准关联。
实施例1：如图2所示，所述基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法包括三个步骤，分别是WiFi-BLE双信号嗅探、基于多级滤波的信号处理以及基于动态时间规整法的设备关联：，具体如下：
步骤(1)、WiFi-BLE双信号嗅探，
1.1部署WiFi信号和BLE信号的嗅探设备
本发明中所使用的WiFi信号嗅探设备为Ubuntu***的笔记本和支持monitor模式的无线网卡，在使用无线网卡进行嗅探时，首先需要将无线网卡设置为monitor模式。然后，考虑到方便数据的抓取，可以固定嗅探场所中提供网络服务的无线路由器的信道，从而可以设置无线网卡的嗅探信道，最后利用Tcpdump命令进行WiFi信号的嗅探，具体命令为：tcpdump-i网卡名称-w保存文件名称；所使用的BLE广播信号的嗅探设备为Windows***的电脑和Nordic nRF51 Dongle芯片，需要在Wireshark软件中安装该芯片对应的插件，然后进行嗅探抓包。
在给定场景下，两类信号强度主要和用户设备与嗅探设备之间的距离相关，为了使得嗅探所得两类信号的强度变化趋势相同，两类信号的嗅探设备需要靠近布置，但由于设备大小以及信号干扰等限制，在本发明中，两类嗅探设备间隔为20厘米左右。为了减少场景中的物体对信号的干扰，嗅探设备一般会布置在较高的位置，考虑到部署的方便性，可以利用USB延长线连接电脑然后将无线网卡和Nordic芯片部署在相应的位置。在节点布置中，我们发现，两类设备与嗅探节点的远近距离变化率越大，导致信号强度的变化率就越大，使得不同设备之间的信号差异性更加明显，从而可以提高关联精度。因此，在布置嗅探节点时，需要将嗅探节点尽量靠近用户移动方向所在直线。
1.2确定嗅探设备有效范围
在部署完嗅探设备之后，需要对嗅探设备进行测试，判断其在当前嗅探场景下的有效嗅探范围，即在该范围内测试所嗅探到的设备信号强度RSS和设备之间的距离d的变化趋势较为符合公式：
RSS＝A-10nlog(d)
其中，A为嗅探节点和用户设备相距1米时的信号强度，n是路径损耗指数。具体测试方法为，用户以不同距离接近或远离嗅探节点，抽取嗅探所得RSS值，作折线图从而观察其变化趋势是否符合公式。在确定嗅探设备的有效嗅探范围之后，可以通过部署多个嗅探节点，从而扩大嗅探的覆盖范围。
步骤(2)、基于多级滤波的信号处理，
2.1嗅探信号报文解析
在该步骤中，需要对嗅探所得的pcap报文进行解析，从而进行流量分类并获取WiFi信号和BLE广播信号中的RSS序列和对应的时间戳。针对WiFi信号，通过解析IP报文头，获得各设备的IP地址，从而按IP地址进行流量分类。然后通过解析radiotap报文头和pcap数据包头，获取设备RSS值和对应的时间戳；针对BLE广播信号，通过解析btle报文头，获得各设备的广播地址，从而按广播地址进行流量分类。然后通过解析ble报文头和pcap数据包头，获取设备的RSS值和对应的时间戳。两类报文的数据包格式如图3所示。
2.2 RSS序列多级滤波
在报文解析之后，每个设备则对应得到一个RSS序列，由于周围环境以及用户移动等因素的影响，两类设备的RSS序列都包含一些抖动噪声和冲击噪声，需要对其进行滤波。为了处理这些噪声，我们将现有的滤波方法进行了对比，包括算术平均滤波法、递推平均滤波法、中位值平均滤波法、加权递推平均滤波法、一阶滞后滤波法、限幅消抖滤波法、低通滤波法等。然后选择了先进行低通滤波，再进行算术平均滤波的方法。其中，低通滤波选择Butterworth滤波器，该滤波器可以有效地过滤抖动噪声。在本发明的场景中，可以认为用户设备抖动幅度小且速度较快。可以设置Butterworth滤波器的截止频率为0.3。由于采集的信号中还有一些冲击噪声需要处理，因此还需要进一步利用算术平均滤波法对数据进行处理，本发明设置参数取值为2，即对连续两个值计算平均值。
步骤(3)、基于动态时间规整法的设备关联，
在对两类设备信号滤波之后，需要计算比较两类设备信号强度变化相似度，本发明选择使用动态时间规整算法进行计算。结合图4，所述关联方法具体步骤如下：
3.1采样率阈值计算
从BLE设备集合W中任意选择两个设备(wj，wk)，其对应的RSS序列表示为比较两个序列的RSS值数量，如果有/>采样率阈值为反之，/>
3.2随机采样
对RSS值数量多的序列进行随机采样，不妨假设采样序列则为对序列/>中的每一个RSS，生成一个0到1之间的随机数，当该随机数小于等于采样率阈值rate时，将该RSS加入采样序列/>反之，则丢弃。遍历序列/>则得到采样序列/>
3.3计算DTW值
在得到采样序列之后，计算该序列和WiFi设备集合中的待关联设备mi的RSS值序列的DTW值，表示为/>在计算DTW值之前，需要对两序列进行中心化处理，即将单个RSS序列的所有RSS减去该序列的RSS均值。重复3.2步骤1000次，得到1000次采用序列，并计算1000次DTW值，取平均值作为/>的最终结果。
3.4比较DTW，得出单次关联结果
计算另一RSS值数量较少的BLE设备RSS序列与待关联设备mi的RSS序列的DTW值，同样的，需要进行中心化处理，表示为/>然后，比较/>和的大小，选择DTW值小的设备作为单次关联的结果。
3.5遍历设备集合，得出最终关联结果
从BLE设备集合W中任意挑选2个设备，共有C(n，2)种组合，对于每一种组合，重复3.1至3.4步骤，对于每个待关联移动智能终端设备mi，则有C(n，2)个关联结果，选取关联结果列表中的众数作为与目标WiFi设备最终的关联结果。
需要说明的是上述实施例仅仅是本发明的较佳实施例，并没有用来限定本发明的保护范围，在上述技术方案的基础上做出的等同替换或者替代，均属于本发明的保护范围。

Claims (2)

1.一种基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法，其特征在于，所述方法包括以下步骤：
(1)WiFi-BLE双信号嗅探：根据场地和设备属性进行嗅探设备的部署，然后确定嗅探设备的有效嗅探范围；
(2)基于多级滤波的信号处理：对采集的WiFi和低功耗蓝牙(Bluetooth Low Energy，BLE)信号报文按设备进行分类并提取信号强度值，再利用多级滤波对信号强度值序列进行噪声过滤；
(3)基于动态时间规整的设备关联：对BLE设备信号强度值序列进行随机重采样，使得不同BLE设备信号采样率相近，再分别对WiFi和BLE两类信号强度值序列进行中心化处理，然后利用动态时间规整法(Dynamic Time Warping，DTW)计算两类设备信号强度值序列的距离，最后通过比较两类设备之间的DTW距离从而得出关联结果；
其中，所述步骤(3)基于动态时间规整的设备关联，具体包括：
(31)从BLE设备的集合中，任意选取其中的两个设备，对比两个BLE设备RSS序列中所包含的RSS数量，计算采样阈值；
(32)基于该采样阈值，对RSS数量较多的BLE设备序列进行随机采样，使其采样频率与另一个BLE设备相近，并与目标移动智能终端WiFi信号的RSS序列计算DTW值，随机采样1000次后取平均值作为最终的DTW值；
(33)计算RSS数量较少的BLE设备序列与目标移动智能终端WiFi信号的RSS序列的DTW值；
(34)比较两个DTW值，选择DTW小的BLE设备作为候选设备；
(35)针对n个BLE设备集合，从中任意选择两个设备，则有C(n,2)种组合，重复上述4个步骤即步骤(31)—步骤(34)，得出C(n,2)个候选BLE设备，在候选BLE设备序列中，选择其中的众数作为WiFi设备的最终关联结果；
所述步骤(32)(33)中，DTW值计算之前需要对RSS序列进行中心化处理，即对序列中每一个RSS值减去该序列RSS值的均值。
2.根据权利要求1所述的一种基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法，其特征在于，所述步骤(2)基于多级滤波的信号处理，具体包括：
(21)对嗅探获得的两类信号报文进行解析，按IP地址和蓝牙广播地址分别对WiFi设备(即移动智能终端)和BLE设备(即智能穿戴设备)进行分类，然后抽取报文中的信号强度值(Received Signal Strength，RSS)和对应时间戳，形成RSS序列；
(22)利用低通滤波Butterworth滤波器和算术平均滤波对RSS序列进行多级滤波，以减弱抖动噪声和冲击噪声的干扰。
CN202210103377.4A 2022-01-27 2022-01-27 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法 Active CN114449444B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210103377.4A CN114449444B (zh) 2022-01-27 2022-01-27 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210103377.4A CN114449444B (zh) 2022-01-27 2022-01-27 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法

Publications (2)

Publication Number Publication Date
CN114449444A CN114449444A (zh) 2022-05-06
CN114449444B true CN114449444B (zh) 2024-02-13

Family

ID=81368781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210103377.4A Active CN114449444B (zh) 2022-01-27 2022-01-27 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法

Country Status (1)

Country Link
CN (1) CN114449444B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115190586B (zh) * 2022-09-08 2022-12-09 东南大学 一种移动终端辅助的智能家居设备位置感知方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105424030A (zh) * 2015-11-24 2016-03-23 东南大学 基于无线指纹和mems传感器的融合导航装置和方法
CN110118549A (zh) * 2018-02-06 2019-08-13 刘禹岐 一种多源信息融合定位方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105424030A (zh) * 2015-11-24 2016-03-23 东南大学 基于无线指纹和mems传感器的融合导航装置和方法
CN110118549A (zh) * 2018-02-06 2019-08-13 刘禹岐 一种多源信息融合定位方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于惯性传感器的步数检测算法;杜庆东，范珏;《沈阳师范大学学报》;全文 *
面向智能移动终端的多源信息融合定位关键技术研究;付潇;《中国优秀博士论文全文数据库》;全文 *

Also Published As

Publication number Publication date
CN114449444A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
CN104853379B (zh) 一种无线网络质量评估方法及装置
US9485660B2 (en) Systems and methods to detect and characterize fake cell towers
US9883345B2 (en) System and method for geography-based correlation of cellular and WLAN identifiers
Al Homssi et al. Machine learning framework for sensing and modeling interference in IoT frequency bands
CN108307427B (zh) 一种lte网络覆盖分析、预测方法及***
Fortes et al. Context-aware self-healing: User equipment as the main source of information for small-cell indoor networks
CN114449444B (zh) 基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法
KR20200038731A (ko) 실내 유동인구 분석 방법 및 장치
WO2012136245A1 (en) Considering privacy when using area-based minimization of drive-tests (mdt)
CN113691483B (zh) 异常用户设备的检测方法、装置、设备及存储介质
Alves et al. A novel approach for user equipment indoor/outdoor classification in mobile networks
CN116707902A (zh) 一种基于决策树的LoRaWAN网络攻击检测方法
CN111741488A (zh) 无线网频段漫游测试方法、装置、终端设备及介质
JP2022548847A (ja) 不正な基地局の識別および報告
CN108134703B (zh) 网络小区隐患故障预测分析方法及装置
CN110692265B (zh) 一种获取相邻小区信息的方法、网络设备及用户设备
CN109982373B (zh) Lte频繁回落点分析方法、装置、计算设备及存储介质
CN107040603B (zh) 用于确定应用程序App活跃场景的方法和装置
CN109673038B (zh) 一种基于ifat指纹的移动终端品牌型号的识别方法
CN114268983A (zh) 共享信息分析方法、装置及电子设备
FI117463B (fi) Menetelmä, järjestelmä ja tietokoneohjelmatuote soluteleviestinverkkoalueen karakterisoimiseksi
CN113347634B (zh) 一种基于信号及信令指纹的4g、5g空口攻击检测方法
CN113260045B (zh) 一种确定路由器地理位置的方法、装置、设备及存储介质
CN113114547B (zh) 一种家庭联网设备统计分类方法、***及存储介质
US10560839B1 (en) System and method for mobile alias identification

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