|
|||||
|
|
| 基于神经网络的Wi-Fi室内定位安全性问题研究 | |
| 作者姓名： | 程莉 朱会 马洪 元海文 |
| 作者单位： | 1. 武汉工程大学电气信息学院;2. 华中科技大学电子信息与通信学院 |
| 基金项目： | 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)； |
| 摘 要： | 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． |
| 关 键 词： | 室内安全定位 卷积神经网络 Wi-Fi指纹 深度学习 AP攻击 |