详细内容或原文请订阅后点击阅览
FBSDetector：普渡大学的新工具发现假手机信号塔
普渡大学的研究人员推出了 FBSDetector，这是一种尖端的机器学习工具，可以以超过 90% 的准确率检测假手机信号塔，为对抗蜂窝网络中不断演变的威胁提供了一种新颖、经济高效的解决方案。
来源:英语研究FBSDetector：普渡大学的新工具可发现假基站
发布于 2024 年 4 月 24 日星期三 美国国会大厦基站落成典礼 | Flickr 上的 Anthony Quintano Flickr 上的 Anthony Quintano在普渡大学的一项开创性研究中，研究人员开发了一种创新的检测解决方案，称为 FBSDetector，旨在识别蜂窝网络中的假基站 (FBS) 和多步骤攻击 (MSA)。模仿合法基站的 FBS 对移动通信的安全和隐私构成重大威胁，可实现未经授权的监视和敏感信息拦截。虽然识别这些威胁的传统方法通常依赖于昂贵的硬件或复杂的加密解决方案，但 FBSDetector 提供了一种高效的、基于机器学习 (ML) 的替代方案，可直接在智能手机等用户设备 (UE) 上运行。
FBSDetector 的核心是创建两个新的数据集，即 FBSAD 和 MSAD，它们是同类中第一个促进 ML 模型训练以准确检测 FBS 和 MSA 的数据集。这些数据集包含来自各种真实蜂窝网络场景的网络跟踪，经过精心开发，包括合法和非法基站通信。这些数据库的总大小为 6.6GB，包含超过 751,963 个数据包，是了解和打击 FBS 威胁的重要资源。
FBSDetector 的 ML 模型已显示出令人印象深刻的结果，识别 FBS 的准确率为 92%，误报率极低，为 5.96%。此外，该系统可以识别 MSA，准确率为 86%，误报率为 7.82%。这些数字代表了对现有启发式解决方案的重大进步，而现有启发式解决方案通常难以适应 FBS 和 MSA 不断发展的特性。
标签：计算机科学 计算机科学