طراحی و پیاده سازی گیرنده آشکارساز حملات فریب سامانه ناوبری ماهواره ای GPS و GLONASS مبتنی بر تابع تصمیم گیر وزن دار شده
محل انتشار: فصلنامه دریا فنون، دوره: 11، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 153
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJMT-11-3_005
تاریخ نمایه سازی: 11 آذر 1403
چکیده مقاله:
امروزه، سامانه های ناوبری نقش برجسته ای در زندگی مدرن داشته و کاربردهایی در زمینه های مختلف مانند امنیت اطلاعات، بازاریابی، حمل و نقل، مدیریت منابع انرژی و غیره دارند. از بین سامانه های ناوبری ماهواره ای، GPS و GLONASS بسیار رایج و پرکاربرد هستند. اما سامانه های ناوبری ماهواره ای در برابر طیف گسترده ای از حملات فریب و تداخل ها آسیب پذیر هستند و تشخیص حملات فریب به چالشی اساسی تبدیل شده است. به طوریکه با روش های ساده و بدون استفاده از هوش مصنوعی، نمی توان به وجود حملات مخرب فریب پی برد. با پیشرفت علم و تکنولوژی، تجهیزات فریب نیز توسعه می یابد. در این مقاله، پنج روش موثر فریب معرفی می شوند. این روش ها توسط گیرنده رادیو نرم افزاری (SDR) صحت سنجی می شوند. سپس، با استفاده از تابع تصمیم گیر وزن دار شده، مجموع عملکرد پنج روش کارآمد آشکارسازی بررسی می شود و تابع تصمیم گیر، در مورد حضور سناریوی فریب تصمیم گیری خواهد کرد. مجموع این روش ها به همراه تابع تصمیم گیر تحت عنوان آشکارساز و در بستر سخت افزاری شامل گیرنده GNSS و پردازنده آرم، پیاده سازی خواهند شد. نتایج نشان می دهند که عملکرد آشکارساز در سناریو های فریب متنوع تولید شده، قابل قبول است. دقت گیرنده آشکارساز حمله فریب در این کار ۹۸.۹ درصد محاسبه می شود.
کلیدواژه ها:
سامانه های ناوبری GPS و GLONASS ، حمله فریب ، روش های تشخیص فریب ، آشکارساز حمله فریب ، تابع تصمیم گیر ، پردازنده آرم
نویسندگان
ابراهیم شفیعی
استادیار دانشکده مهندسی برق، دانشگاه علوم و فنون هوایی شهید ستاری، تهران
کوروش زرین نگاری
دانشجوی کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران
محمدجواد رضایی
استادیار دانشکده مهندسی برق، دانشگاه علوم و فنون هوایی شهید ستاری، تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :