Identifying Tampered Radio-Frequency Transmissions in LoRa Networks Using Machine Learning

Long-range networks, renowned for their long-range, low-power communication capabilities, form the backbone of many Internet of Things systems, enabling efficient and reliable data transmission. However, detecting tampered frequency signals poses a considerable challenge due to the vulnerability of...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Sensors (Basel, Switzerland) Ročník 24; číslo 20; s. 6611
Hlavní autoři:	Senol, Nurettin Selcuk, Rasheed, Amar, Baza, Mohamed, Alsabaan, Maazen
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Switzerland MDPI AG 14.10.2024 MDPI
Témata:	Accuracy Algorithms anomaly detection Computer forensics Cybersecurity Data integrity Datasets Forests frequency analysis Geospatial data Internet of Things IoT LoRa Machine learning Methods Principal components analysis Water quality Wireless communications anomaly detection frequency analysis machine learning cybersecurity LoRa IoT
ISSN:	1424-8220, 1424-8220
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!