BriefGPT - AI 论文速递
·
用于 5G 射频领域中干扰检测的无线空中双阈值深度学习器
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了基于5G协议栈中信号参数的匿名干扰检测模型，通过监督学习和无监督学习实时高精度地检测干扰。监督模型和LSTM模型的AUC分别为0.964至1和0.923至1。提出了无监督的自编码器异常检测方法，AUC为0.987。引入基于贝叶斯网络的因果分析，提高透明度和领域知识注入。
🎯
关键要点
- 介绍了基于5G协议栈中信号参数的匿名干扰检测模型。
- 该系统通过监督学习和无监督学习实时高精度地检测干扰，包括未知类型干扰。
- 监督模型的AUC为0.964至1，LSTM模型的AUC为0.923至1。
- 数据标注限制了监督方法的应用。
- 提出了一种无监督的基于自编码器的异常检测方法，其AUC为0.987。
- 该方法对抗对抗性训练样本具有抵抗性。
- 引入了基于贝叶斯网络的因果分析，以提高透明度和领域知识注入。
➡️
