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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000009977 dual effect Effects 0.000 claims abstract description 5
- 238000012952 Resampling Methods 0.000 claims abstract description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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
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。
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)
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)
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 |
-
2022
- 2022-01-27 CN CN202210103377.4A patent/CN114449444B/zh active Active
Patent Citations (2)
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)
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 |