新一代网络高精度定位及其安全问题研究.pdfVIP

新一代网络高精度定位及其安全问题研究

摘要

作为新一代网络技术的代表，6G网络不仅具有超高速率、极低时延的优势，更引入

了通信感知一体化等革命性特性，在智能交通、智能城市、工业自动化、应急救援等诸

多领域具有广泛的应用前景。其中，6G高精度定位技术作为通信感知一体化(Integrated

SensingandCommunication,ISAC)的核心组成，能够实现在室内外各种复杂场景下对网

络目标位置的高效、准确、实时感知。然而，高精度定位在实际应用中面临着恶劣环境

（如城市峡谷、隧道、地下室等造成的信号衰减、多径效应、低信噪比等因素）和非可

信环境（存在恶意干扰或欺骗信号的场景）对其性能和安全性带来的严重挑战，因此迫

切需要对非理想环境下的定位服务保障进行研究。但是，由于现代电磁环境因素复杂多

变、恶意攻击的威胁无处不在以及全新的通信感知一体化耦合特性，传统的定位技术和

以通信为主的安全保障机制已难以获得良好效果。据此，本文在深入分析新一代网络高

精度定位技术现状及其发展趋势的基础上，以AI驱动的6G新型通感一体化技术为背

景，对现实环境中的高精度定位鲁棒性保障与安全性问题两个方面进行研究，提出了以

提升定位精度鲁棒性与定位安全性为目标的新方法，为新一代网络高精度定位技术的改

进与完善做出了初步贡献。主要研究内容组织如下：

（1）为了解决恶劣环境中的高精度定位问题，提出了一种恶劣环境中的高精度定

位方法和鲁棒性保障方法，包括：首先，对高保真定位数据生成方法进行研究，提出了

一种高保真定位数据集生成方法——多层次特征合成法MultilevelFeatureSynthesis

Method(Multilevel-FSM)。通过构建一个包含真实环境和信号传播特性的仿真模型，生

成高质量、高准确度、细粒度的合成数据，解决了AI驱动的定位模型普遍缺乏有效的

训练数据的难题；其次，提出了一种面向高精度定位的深度学习模型MultiPathRes-

Inception(MPRI)，融合了多尺度并行卷积的特征传播路径，能够在复杂多变的定位场景

中实现高精度的定位；最后，提出一种定位精度鲁棒性增强方法，在物理层无线信道中

增加多重信噪比水平的干扰，并使噪声向量通过基带处理链后馈送入神经网络。实验结

果表明，提出的MPRI模型可以借助数据合成方法提供的高保真定位数据实现良好的定

位精度，并通过抗噪声增强训练，在面临信道质量恶化等不利条件时，仍能保持稳定的

定位精度鲁棒性。

（2）为了解决非可信环境中基于PRS的6G定位安全性问题，揭示了一个当前6G

定位系统中未被报道但影响深远的安全漏洞。该漏洞涉及6G定位系统中关键但脆弱的

射频测量（RadioFrequencyMeasurement，RFM）步骤，可能导致未经授权的数据篡改。

哈尔滨工程大学博士学位论文

针对该漏洞，本文提出了一种威胁模型——选择性PRS欺骗攻击（SelectivePRSSpoofing,

SPS），该攻击可以给用户带来巨大的定位误差甚至完全劫持定位结果。此外，分析了

该攻击威胁的基本原理，SPS攻击通过仅毒化少量特定的载波资源而不是影响整个频谱，

从而不会影响用户的通信功能，并对网络侧和用户侧均具有隐蔽性。评估表明SPS攻击

在不引起察觉的情况下，成功突破现行3GPPR18中的大量防御方法，从而构成了重大

安全威胁。

（3）针对以SPS攻击为代表的定位安全威胁，提出了一种基于深度学习的识别防

御方法。对当前6G定位系统的安全防御机制进行了研究，对6G定位技术中广泛存在

的薄弱环节RFM进行了深入分析。在此基础上，提出了同相正交内部注意力网络模型

（In-phaseQuadratureIntra-AttentionNetwork,IQIA-Net），利用基站的硬件特征进行物

理层识别，从而实现“内容无关”的身份认证，抵御对6G定位系统的SPS攻击。IQIA-

Net解决了有效区分由硬件损伤导致的射频特征和由信道效应导致的射频特征的挑战，

具有更好的环境适应性。实验证明了该防御方法的有效性及其对噪声的良好鲁棒性。特

别地，所提出的物理层防御模型特别适用于6G非加密广播信道的保护，这种防御效果

是系统层/应用层方法所难以实现的。

（