PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Attacks against communication and computing task classification and mitigation techniques
Younes Salmi, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2023
|
nr 4
186--189
EN
Machine learning-based classification algorithms allow communication and computing (2C) task allocation to network edge servers. This article considers poisoning of classifiable 2C data features in two scenarios: noise-like jamming and targeted data falsification. These attacks have a fatal effect on classification in the feature areas with unclear decision boundary. We propose training and noise detection using the Silhouette Score to detect and mitigate attacks. We demonstrate effectiveness of our methods.
PL
Algorytmy klasyfikacji oparte na uczeniu maszynowym umożliwiają zoptymalizowaną alokację zadań telekomunikacyjnych i obliczeniowych (2C) do serwerów brzegowych sieci. W artykule omówiono ataki zatruwające, które mają negatywny wpływ na klasyfikację zadań 2C w obszarach, w których granica decyzyjna jest niejasna. Proponujemy metodę trenowania modelu oraz wykorzystanie testu Silhouette do wykrywania i unikania ataków. Wykazujemy skuteczność tych metod wobec rozważanych ataków.
2
Analiza wpływu ataków zatruwających na detekcję zasobów radiowych bazujących na uczeniu federacyjnym
Wasilewska Małgorzata, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2023
|
nr 4
198--203
PL
W niniejszym artykule przedstawiono wyniki badań i analizy wpływu ataków zatruwających odwracających etykiety (ang. label-flipping) na uczenie federacyjne w zastosowaniu dla detekcji zajętości zasobów radiowych. Badania przeprowadzono zarówno dla ataków skoordynowanych jak i losowych, przy zmiennym stosunku liczby użytkowników atakujących do liczby użytkowników uczciwych oraz różnym stopniu agresywności i czasie trwania ataków. Badania skupiają się na porównaniu skuteczności algorytmu detekcji zasobów radiowych przed i po przeprowadzonych atakach.
EN
This paper presents the research results and analysis of the impact of poisoning label-flipping attacks on federated learning for spectrum sensing. The experiments have been executed for random and coordinated attacks for varying attackers-to-genuine-users ratios, different levels of aggressiveness, and time duration of attacks. The results have been obtained by comparing spectrum sensing machine learning model performance with and without attacks.
3
Inteligentna predykcja stanu zajętości widma z uwzględnieniem wpływu zaników
Wasilewska Małgorzata, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2022
|
nr 4
481--485
PL
W pracy przedstawiono algorytm predykcji wolnych zasobów w sieciach radiowych 5G. Sygnał 5G nadawany przez użytkownika pierwotnego (PU) poddawany jest zanikom występującym w kanale, co uniemożliwia poprawną detekcję i tym samym właściwą ochronę transmisji PU. Zaproponowany algorytm wykorzystuje możliwości głębokiego uczenia maszynowego w celu rozpoznania zależności czasowo-częstotliwościowych występujących w odebranym sygnale, a także rozpoznania stopnia zaniku. Znając te informacje, algorytm dokonuje lepszej detekcji wolnych zasobów, przy jednoczesnej ochronie transmisji PU.
EN
In this paper, we present a 5G spectrum resources prediction algorithm. 5G signal, transmitted by the primary user (PU) is transmitted through fading channel, which makes negatively affects prediction performance and proper protection of PU’s transmission. The proposed algorithm applies deep learning for estimating fading level and recognizing time-frequency patterns in a received signal. Having this information, the algorithm can perform better signal prediction and PU’s transmission protection.
4
Content available MIMO Beam Selection in 5G Using Neural Networks
Ruseckas Julius, Molis Gediminas, Bogucka Hanna
International Journal of Electronics and Telecommunications
|
2021
|
Vol. 67, No. 4
693--698
EN
In this paper, we consider cell-discovery problem in 5G millimeter-wave (mmWave) communication systems using multiple input, multiple output (MIMO) beam-forming technique. Specifically, we aim at the proper beam selection method using context-awareness of the user-equipment to reduce latency in beam/cell identification. Due to high path-loss in mmWave systems, beam-forming technique is extensively used to increase Signal-to-Noise Ratio (SNR). When seeking to increase user discovery distance, narrow beam must be formed. Thus, a number of possible beam orientations and consequently time needed for the discovery increases significantly when random scanning approach is used. The idea presented here is to reduce latency by employing artificial intelligence (AI) or machine learning (ML) algorithms to guess the best beam orientation using context information from the Global Navigation Satellite System (GNSS), lidars and cameras, and use the knowledge to swiftly initiate communication with the base station. To this end, here, we propose a simple neural network to predict beam orientation from GNSS and lidar data. Results show that using only GNSS data one can get acceptable performance for practical applications. This finding can be useful for user devices with limited processing power.
5
Predykacja zajętości kanału LTE za pomocą rekurencyjnej sieci neuronowej
Wasilewska Małgorzata, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2020
|
nr 7-8
269--273, CD
PL
W artykule przedstawiono metody detekcji i przewidywania obecności transmisji sygnału LTE. Zastosowano algorytmy uczenia maszynowego, takie jak algorytm k najbliższych sąsiadów, drzewo decyzyjne, sieć neuronową oraz rekurencyjną sieć neuronową. Za pomocą eksperymentów wykazano, że wymienione algorytmy, a w szczególności sieć rekurencyjna osiągają wysokie wartości prawdopodobieństwa poprawnej detekcji zarówno dla detekcji w czasie rzeczywistym, jak i dla przewidywania obecności sygnałów w przyszłości.
EN
In the paper, the methods of LTE spectrum detection and future state predictions have been presented. Machine learning algorithms have been implemented for spectrum sensing, namely k-nearest neighbors, decision tree, neural network and recurrent neural network. Conducted experiment has shown that these algorithms reach high values of probability of correct detection for current moment as well as for future prediction.
6
Efektywne energetycznie przenoszenie obliczeń oraz alokacja zasobów dla architektury typu mgła
Bossy Bartosz, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2020
|
nr 7-8
227--232, CD
PL
W niniejszej pracy zaproponowano algorytm zarządzający zadaniami obliczeniowymi w sieci typu mgła minimalizujący całkowitą zużywaną energię przy ograniczeniu maksymalnego dopuszczalnego opóźnienia ich transmisji (w sieci przewodowej i bezprzewodowej) i realizacji. Zdefiniowany problem optymalizacyjny uwzględnia wykonania zadań obliczeniowych w urządzeniu końcowym bądź w węźle sieci wyższego rzędu. Optymalne rozwiązanie zostało wyznaczone dla określonej alokacji zasobów transmisyjnych i obliczeniowych oraz częstotliwości taktowania procesora realizującego obliczenia. Wyniki symulacji pokazują efektywność proponowanej metody.
EN
In this paper, the algorithm of computations offloading is proposed, which minimizes the total energy consumption required for the (wireless and wired) transmission and processing of computational tasks in a fog network with the maximum overall delay constraint. The defined optimization problem takes the options of either local or distant (in a fog network node) tasks processing into account. The optimal solution has been obtained for the transmission- and computational resources allocation and for the determined processor clock frequency. The simulation results show the effectiveness of the proposed method.
7
Content available Space-Time-Frequency Machine Learning for Improved 4G/5G Energy Detection
Wasilewska Małgorzata, Bogucka Hanna
International Journal of Electronics and Telecommunications
|
2020
|
Vol. 66, No. 1
217--223
EN
In this paper, the future Fifth Generation (5G New Radio) radio communication system has been considered, coexisting and sharing the spectrum with the incumbent Fourth Generation (4G) Long-Term Evolution (LTE) system. The 4G signal presence is detected in order to allow for opportunistic and dynamic spectrum access of 5G users. This detection is based on known sensing methods, such as energy detection, however, it uses machine learning in the domains of space, time and frequency for sensing quality improvement. Simulation results for the considered methods: k-Nearest Neighbor sand Random Forest show that these methods significantly improves the detection probability.
8
Połączenia nerwowe a komunikacja bezprzewodowa: o efektywności energetycznej transmisji cyfrowej i analogowej
Bossy Bartosz, Kryszkiewicz Paweł, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2019
|
nr 6
338--342, CD
PL
W artykule przedstawiono nowe spojrzenie na bezprzewodową transmisję analogową i cyfrową. Bazując na mechanizmach transmisji w ludzkim mózgu, w którym większość sygnałów jest transmitowana analogowo czyniąc mózg bardzo efektywnym energetycznie, transmisja analogowa i cyfrowa została porównana właśnie w kontekście efektywności energetycznej (EE). Wyniki symulacji pokazują, że transmisja analogowa może być bardziej efektywna energetycznie niż transmisja cyfrowa.
EN
In this paper, a fresh perspective of analog and digital wireless transmission has been presented. Based on the transmission mechanisms in the human brain where most signals are transmitted in an analog manner making it highly energy efficient, the analog and digital transmission has been compared from the energy efficiency (EE) point of view. The simulation results show that analog transmission can be more energy efficient than digital transmission.
9
Mgła – nowa architektura sieci dla zrównoważonego rozwoju Internetu rzeczy
Bogucka Hanna, Idzikowski Filip, Kryszkiewicz Paweł, Bossy Bartosz, Kopras Bartosz
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2019
|
nr 7
505--511
PL
W artykule skupiono się na efektywnych metodach transmisji, obliczeń i sterowania w sieciach typu mgła (fog). Sieci te proponowane są jako lepsze rozwiązanie dla przyszłych sieci teleinformatycznych oraz Internetu rzeczy niż oparte na chmurze obliczeniowej czy też na całkowicie rozproszonym działaniu sieci i jej zarządzaniu. Przyczyną są ich lepsze możliwości spełnienia wymagań stawianych przed przyszłymi sieciami masowej komunikacji urządzeń, obejmujących m.in. ultrawysoką niezawodność, ultraniskie opóźnienie (poniżej 1 ms), niski pobór mocy i ciągłość oferowanych usług. Możliwości sieci teleinformatycznych o architekturze typu mgła wynikają z tego, że realizują one zadania związane z transmisją, sterowaniem i przetwarzaniem danych w sposób elastyczny, tj. rozproszony, scentralizowany lub pośredni w lokalnych centrach sterowania siecią, przechowywania danych i obliczeń. Jest to szczególnie istotne dla krytycznych zastosowań Internetu rzeczy i wymagających pod względem niezawodności, opóźnień i efektywności energetycznej.
EN
This paper focuses on effective communication, computing and control methods in fog networks. A fog network is considered as a better architectural solution for future teleinformatic networks and the Internet of Things (IoT) than the cloud-based or edge-computing architectures. This is because it has functionalities that allow for fulfilling the requirements stated for the future massive-communication networks, such as ultra-high reliability, ultra-low delay (below 1 ms), low power consumption and pervasive connectivity. The fog network architecture allows for flexible processing of tasks related to communication, computing and control of the network, i.e., either in the centralized (using cloud), distributed (using edge devices) or intermediate manner. It is particularly important for mission-critical and energy-efficient applications of IoT.
10
Metody uczenia maszynowego dla poprawy jakości detekcji sygnału LTE
Wasilewska Małgorzata, Bogucka Hanna
Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
|
2019
|
nr 6
274--278, CD
PL
W niniejszej pracy rozważono przyszły system radiokomunikacyjny (5G), w którym wykrywana jest obecność sygnału LTE (4G) w celu umożliwienia dynamicznego dostępu do czasowo nieużywanych przez system LTE zasobów częstotliwości. Detekcja sygnału bazuje na znanych metodach sensingu lecz wykorzystuje też metody uczenia maszynowego w celu poprawy ich jakości. Wyniki symulacji komputerowej pokazują, że rozważone metody: k najbliższych sąsiadów oraz lasu losowego poprawiają prawdopodobieństwo detekcji sygnału (sensingu) dla niskich wartości stosunku sygnału do szumu.
EN
In this paper, the future radio communication (5G) system has been considered, in which LTE (4G) signal presence is detected in order to allow for dynamic spectrum access. This detection is based on known sensing methods, however it uses machine learning for sensing quality improvement. Simulation results for considered methods: k-nearest neighbors and random forest show that this method significantly improves the detection probability.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.