基于自动标注与学习的恶意节点物理层检测方法及系统

摘要

本发明涉及通信安全技术领域，公开了一种基于自动标注与学习的恶意节点物理层检测方法及检测系统。所述检测方法基于信道差异的物理层认证策略识别网络中接入节点的类型，可同时检测发起克隆攻击和Sybil攻击的恶意节点；根据接入节点的类型自动注入相应的标签，克服了人工注入攻击标签的问题，解决了运用监督型机器学习算法进行信道认证时缺乏攻击标签样本的困难；利用物理层信道差异，设定门限方法自动注入攻击标签样本，为机器学习算法提供离线带标签样本集，从而实现自动标签注入和学习，提高了对接入节点的恶意节点检测率。本发明能够有效的解决工业边缘计算物联网不对称场景下，边缘计算节点对各类工业无线设备的恶意节点检测问题。