Los puntos clave no están disponibles para este artículo en este momento.
El trabajo en este artículo se centra en detectar y clasificar ataques de interferencia en redes inalámbricas 802.11b. Se han propuesto en la literatura numerosas técnicas de detección y clasificación de interferencias. La mayoría de ellas modelan parámetros individuales como la intensidad de la señal, el tiempo de detección del portador y la relación de entrega de paquetes para detectar la presencia de un interferidor y clasificar los ataques de interferencia. Los resultados demostrados por los autores a menudo se superponen, ya que la mayoría de las regiones de interferencia están marcadas de cerca, y no ayudan a distinguir claramente diferentes mecanismos de interferencia. Investigamos un esquema multimodal que modela diferentes ataques de interferencia al descubrir la correlación entre tres parámetros: la relación de entrega de paquetes, la variación de la intensidad de la señal y el ancho de pulso de la señal recibida. A partir de eso, se generan perfiles en escenarios normales durante las sesiones de entrenamiento, que luego se comparan con sesiones de prueba para detectar y clasificar ataques de interferencia. Nuestro modelo propuesto ayuda a diferenciar claramente las regiones interferidas para varios tipos de ataques de interferencia. Además, es igualmente efectivo tanto para interferidores conscientes del protocolo como para aquellos que no lo son. Los resultados reportados no se basan en simulaciones, sino que se estableció un banco de pruebas para experimentar con escenarios reales, demostrando mejoras significativas en los resultados previos reportados en la literatura.
Sufyan et al. (Jue,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: