LoRaWAN中抵御干扰和电池耗尽攻击的多属性物理层认证

LoRaWAN广泛应用于物联网环境监测，但其轻量级安全机制使得物理层容易受到诸如干扰和电池耗尽等可用性攻击的影响。这些风险在任务关键型环境监测系统中尤为严峻。本文提出了一种多属性物理层认证（PLA）框架，通过联合利用射频、能量和时间属性（具体包括RSSI、altitude、batteryₗevel、batterydropₛpeed、eventₛtep和timeᵣank）来支持上行链路合法性评估。利用公开的Brno LoRaWAN追踪数据，我们构建了一个设备感知的半合成数据集，包含来自1921台设备在13. 68天内的230, 296条记录，并补充了能量、空间和时间属性，同时注入了受控的干扰和电池耗尽异常。使用准确率、精确率、召回率、F1-score和AUC-ROC对五种分类器（Random Forest、Multi-Layer Perceptron、XGBoost、Logistic Regression和K-Nearest Neighbours）进行了评估。Multi-Layer Perceptron取得了最强的检测性能（F1-score = 0. 8260，AUC-ROC = 0. 8953），Random Forest的表现与之相当。面向部署的计算性能分析表明，Logistic Regression和MLP等轻量级模型以最小的CPU开销实现了近乎瞬时的预测延迟（每样本低于2 µs），而基于树的模型虽然带来更高的训练和存储成本，但在Network Server端部署中仍然可行。