MA: Detektion und Klassifikation von Jammern in einem verteilten System
(geeignet als HW/FP/MA; Umfang und Tiefe werden an ECTS und Vorkenntnisse angepasst)
Beschreibung
In modernen drahtlosen Kommunikationssystemen stellen bewusste Störungen, auch als Jamming bezeichnet, eine bedeutende Bedrohung dar. Solche Angriffe können als eine Art von Denial of Service (DoS) Attacke klassifiziert werden und gefährden die Integrität und Verfügbarkeit von Kommunikationssystemen. Um geeignete Gegenmaßnahmen ergreifen zu können, ist eine zuverlässige Detektion und Klassifikation von Jammern unerlässlich. Dabei spielen sowohl die Identifikation der Störleistung als auch die Erkennung der Signalform des Jammers eine zentrale Rolle.
Forschungsfragen
- Wie effektiv sind lokale Entscheidungsprozesse in einzelnen Sensoren im Vergleich zur zentralen Datenfusion bei der Detektion und Klassifikation von Jamming-Signalen in einem verteilten Sensornetzwerk?
- Welche Algorithmen oder Methoden zur Datenverarbeitung und -analyse bieten die höchste Genauigkeit bei der Unterscheidung zwischen verschiedenen Störsignalformen und -leistungsniveaus in einem verteilten Sensorsystem?
- In welchem Maße beeinflusst die Netzwerkarchitektur (z. B. Zahl und Platzierung von Sensoren) die Fähigkeit eines verteilten Systems, Jamming-Signale zu erkennen und zu klassifizieren, und wie kann diese Architektur optimiert werden?
Ziele der Arbeit
Das Projekt hat zum Ziel, innovative Ansätze zur Erkennung und Klassifikation von Jammern in einem verteilten Sensornetzwerk zu entwickeln sowie deren Effektivität zu vergleichen. Im Fokus stehen zwei zentrale Ansätze:
- Lokale Entscheidung pro Sensor und zentrale Fusion:
- Sensoren treffen individuell lokale Entscheidungen basierend auf den empfangenen Daten.
- Diese lokalen Entscheidungen werden in einer zentralen Einheit fusioniert, um eine aussagekräftige Gesamtanalyse zu ermöglichen.
- Zentrale Entscheidung mithilfe von allen Sensordaten:
- Alle Rohdaten der Sensoren werden zu einer zentralen Einheit übertragen.
- Eine globale Entscheidungsfindung erfolgt mithilfe aller vorliegenden Daten.
Arbeitspakete
Aus der Beschreibung und den Forschungsfragen können folgende Teilarbeiten hervorgehen:
- Untersuchung von Algorithmen, die für die Erkennung und Klassifikation von Jammern in einem verteilten Netz geeignet sind.
- Verarbeitung von Zeitreihen empfangener IQ-Daten, um leistungsstarke Klassifikatoren zu entwickeln.
- Unterteilung eines vorhandenen Datensatzes in Trainings- und Testdaten, verbunden mit einem geeigneten Labeling der Daten.
- Vergleich der Leistung und Effizienz der beiden Ansätze mittels Benchmarking in simulierten und/oder realen Szenarien.
Optional möglich:
- Erweiterung der Untersuchungen auf verschiedene Topologien und Sensordichten.
Gerne können auch eigene Interessen besprochen und eingebracht werden.
Deine Kenntnisse
- Grundlagen der Informations- und Kommunikationstechnik
- Grundlagen in Deep Learning und neuronalen Netzen
- Erfahrung mit AI/Machine Learning und Umgang mit Tools wie Keras oder TensorFlow
- Sicherer Umgang mit Python
Literaturangaben
[1] A. Mehrabian and G. Kaddoum, „Cooperative Jamming Detection Using Low-Rank Structure of Received Signal Matrix,“ in IEEE Transactions on Communications, vol. 73, no. 11, pp. 12899-12912, Nov. 2025, doi: 10.1109/TCOMM.2025.3592583.
[2] Cortés-Leal A, Del-Valle-Soto C, Cardenas C, Valdivia LJ, Del Puerto-Flores JA. Performance Metric Analysis for a Jamming Detection Mechanism under Collaborative and Cooperative Schemes in Industrial Wireless Sensor Networks. Sensors (Basel). 2021 Dec 28;22(1):178. doi: 10.3390/s22010178.
Falls du Interesse an dieser spannenden Forschungsarbeit hast, freuen wir uns auf deine Bewerbung mit einem kurzen Lebenslauf an
