一种基于简单手势确定恶意AP位置的方法与流程

本发明属于无线通信技术领域，涉及wi-fi信号源定位方法，尤其涉及一种基于简单手势确定恶意ap位置的方法。

背景技术：

公共场所恶意ap(accesspoint，接入点)引发的隐私信息泄露日益增加，恶意ap位置的获取尤为重要。现有的ap定位方法可以分为三类：基于特殊硬件、基于接收信号强度(rss)、基于信道状态信息(csi)。

现有的ap定位主要通过在可疑区域中部署专业基础设施(例如，多个嗅探器)或专用硬件(例如，定向天线)，可以基于在多个嗅探器接收的信号利用信号等值线图来估计非法ap的位置(d.schweitzer,w.brown,andj.boleng,usingvisualizationtolocaterogueaccesspoints.journalofcomputingsciencesincolleges,2007)，其基本的方法是使用运行无线嗅探软件的分布式监控系统，一旦检测到恶意ap，传感器将把接收到的信号强度送回中央服务器，再根据信号强度的分布来判断ap的位置。或者可以通过使用多个定向天线通过旋转得到信号强度的信息来确定位置(adelstein,f.,etal.physicallylocatingwirelessintruders.ininternationalconferenceoninformationtechnology:codingandcomputing,2004.proceedings.itcc.2004)。然而，在大范围中部署多个嗅探器或者定向天线需要的成本很高，也需要较大的人力投入。

基于rss的ap定位利用的主要思想是认为在更接近ap的位置，los(lineofsight,视距)路径未被遮挡的位置，rss值更高。(han,d.,etal.,accesspointlocalizationusinglocalsignalstrengthgradient.s.b.moonetal.(eds.):pam2009,lncs5448,pp.99–108,2009)使用从本地信号强度变化导出的方向信息定位ap，它提出一种利用梯度的ap定位算法，通过组合来自多个有利点的方向估计来定位ap。(park,j.,etal.,astudyofestimationofappositionforimprovementofindoorpositioningperformances.internationaljournalofcontrolandautomation)根据多个已知位置的用户与未知ap之间的信号强度信息通过衰减模型计算出距离，进而得到未知ap的位置。(a.subramanian,p.deshpande,j.gaojgao,ands.das,“drive-bylocalizationofroadsidewifinetworks,”inieeeinfocom,2008)中当在车辆移动时定向天线连续旋转，使用天线的不同定向波束的信号强度信息来估计从ap发送的帧的到达角。(z.zhang,x.zhou,w.zhang,y.zhang,g.wang,b.zhao,andh.zheng,iamtheantenna:accurateoutdooraplocationusingsmartphones.mobicom,2011)提出使用人体作为遮挡无线接收器不同方向的障碍，并且当信号强度具有最大衰落时，可以确定ap的方向。(m.gonzalez,j.gomez,m.lopez-guerrero,v.rangel,andm.deoca,“guide-gradient:aguidingalgorithmformobilenodesinwlanandadhocnetworks,”inwirelesspersonalcommunications,2011)使用梯度方法实现了一个点到点引导系统。它们都利用rss用于ap定位，基于rss的方法假设更接近ap的位置将具有更高的信号强度值。为减轻多径效应的影响，wilson等提出了射频断层扫描成像(radiotomographyimaging,rti)的方法(wilsonj，patwarin.see·throushwalls：motiontrackingusingvariance-basedradiotomographynetworks[j].ieeetransactionsonmobilecomputing，2011，10(5)：612—621)，在目标区域密集部署的传感器节点来跟踪动作，又有了额外的硬件投入。

基于rss的非法ap定位方法定位准确度并不理想，在复杂的室内环境中效果不是很好，在户外环境中的性能仍然有很大的改进余地。(zheng,x.,etal.,accuraterogueaccesspointlocalizationleveragingfine-grainedchannelinformation.ieeeconferenceoncommunications；networksec...,2014)分析人体挡住ap的衰落特征，利用时域内的幅度相关和幅度正交变换等方法获得ap的方向信息并使用三角测量来获得ap的具体位置信息，需要人站在不同位置等做出一系列的行为。(sen,s.,r.r.choudhuryands.nelakuditi,spinloc:spinoncetoknowyourlocation.hotmobile’12,february28–29,2012)中利用pdp(powerdelayprofile)得到直接路径的能量信息edp(energyofthedirectpath)，期望被定位者旋转一次以估计ap的方向，基于人体阻挡信号导致信号以不同的方式衰减，这种衰减可以揭示ap在室内环境中的方向。以上所述方法存在以下不足：一是投入人力物力造成的成本过高；二是测试精度不够；三是测试方法繁杂。

技术实现要素：

本发明的目的在于提供一种基于简单手势确定恶意ap位置的方法，以简化测试方法达到降低人力物力的高成本投入并提高测试精准度的目的。

本发明所采用的技术方案是，一种基于简单手势确定恶意ap位置的方法，包括以下步骤：

1)在接收端收集三个位置的信道状态信息，收集过程手势移动路径为一个半圆，对每个位置收集到的信道状态信息都进行如下步骤2)-步骤5)的处理；

2)对测量方向进行调整，对是否存在视距路径进行识别；利用离群点检测算法，根据信道冲击响应延迟的分布确定是否存在视距路径；设定阈值，判断离群点检测算法计算结果的统计结果是否超过阈值，若超过阈值，则认为这次采集的数据为背对着ap收集的；使用信道冲击响应中接收端三个接收天线最大幅度对应的延迟进行进一步分辨；

3)识别菲涅尔切割点，先进行信道状态信息预处理，即利用信道频率响应逆傅里叶变换后得到的信道冲击响应获得视距路径的能量；为了获得波形信息，再进行线性拟合寻峰算法，结合曲线上升下降趋势、幅度差、斜率，使用最小二乘法线性拟合的二阶抛物线拟合波谷，高斯函数拟合波峰，寻找各自波形的位置、幅度及峰宽，结合波峰波谷位置、持续时间、连续性参数，得到最可能是第一菲涅尔区切割的波谷，进而得到菲涅尔切割点位置；

4)判断相对方向，首先通过上一步菲涅尔切割点的识别，找到第一菲涅尔区的范围，确定在第一菲涅尔区内移动时产生的信道状态信息特征是否符合预期；若符合，导出波谷对应于总采集数据的百分比，进而导出方向信息；若不符合，需要进行二次测量，并判断是否是因为视距路径识别出现了问题；

5)方向修正，在手势开始运动时在时域范围30个子载波的相关性增大，利用这个现象找到相关性最大的数据部分，即真实的开始和结束画半圆的位置，以此来对方向进行修正；

6)位置导出，取三个位置收集的信道状态信息数据，根据位置坐标和方向取三条直线的交点(x1,y1)，(x2,y2)，(x3,y3)，使用基于视距路径最大幅值的加权质心算法计算最终ap的位置。

进一步的，所述步骤1)中接收端为配备inter5300网卡并修改过网卡固件的电脑；利用多输入多输出技术产生的多个信道状态信息流更准确的把握信道状态及传播过程中的多径效应。

进一步的，所述步骤1)中手势的移动路径为身前半圆。

进一步的，所述步骤2)中离群点检测算法的输入为一次画半圆过程中的所有数据包，接收端的3根接收天线，30个子载波信道冲击响应在5×50ns及其之后的延迟处倒排序取前20个的数据。

进一步的，所述步骤2)中离群点检测算法的局部离群因子若大于10，认为这个点为离群点，统计结果阈值设定为5。

进一步的，所述步骤2)中进一步分辨使用的特征是存在视距路径的信道冲击响应最大幅度全部集中在特定延迟4×50ns处。

进一步的，所述步骤3)中视距路径的幅度存在很多噪声，使用离散小波变换进行去噪。

进一步的，所述步骤5)中子载波相关性根据以下公式计算：

其中ρ(j)为第j个窗口的相关性，window_init为第j个窗口开始的地方，window_end为第j个窗口结束的地方，a(i)为第i个子载波的幅度值，s为子载波个数。

进一步的，所述步骤6)中加权质心算法的权值使用信道冲击响应得到的视距路径最大幅值d，ap的最终位置(xfinal,yfinal)根据以下公式计算：

其中d1、d2、d3分别为三个位置接收到的基于信道状态信息数据计算得到的视距路径最大幅值，(x1,y1),(x2,y2),(x3,y3)分别是三个位置的坐标和方向确定的三条直线的交点。

本发明具有以下有益效果：

1、本发明通过使用物理层的csi信息，利用mimo技术产生的多个csi流更准确的把握信道状态及传播过程中的多径效应。相比mac层的rss，csi在相位和幅度两个方面更加精细的描述了无线通信链路的时域和频域信息；并通过简单手势的画半圆方法简化了传统的测试方法，同时降低投入成本。

2、本发明利用cir中的时延分布来识别是否存在los路径，识别过程利用离群点检测算法(lof)，能准确的分析是否存在los路径，提高了测试的准确性。

3、本发明在方向确定阶段，使用了实验过程中发现的csi的30个子载波的相关性变化特征，并提出了公式对该特征进行了量化，对方向进一步修正，进而能得到较准确的方向信息；使用基于视距路径最大幅值的加权质心算法计算ap的最终位置，相对于传统方法能准确的导出ap的位置，大大提高了测试的精准度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为方法框架；

图2为方法示意图，图2a为侧视图，图2b为俯视图；

图3为发射端无遮挡30个子载波原始数据画图；

图4为离群点检测算法使用后得到的离群点；

图5为nlos和los路径最大cir延迟分布，图5a为nlos路径最大cir延迟分布，图5b为los路径最大cir延迟分布；

图6为一个csi流单个包ifft后时域范围的cir图像；

图7为dwt去噪效果；

图8为寻找到的菲涅尔切割点；

图9为方向修正中使用到的时域范围30个子载波的相关性增大特征；

图10为距离计算示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例提供一种基于简单手势确定恶意ap位置的方法。该方法分为两个部分：准备工作与定位ap，流程如图1所示。

1.准备工作：

包括测量方向调整和识别菲涅尔切割点，具体步骤为先los路径识别，再csi预处理，最后波峰波谷识别。

进一步提出了一种los(视距)路径识别的方法(即图1中的los路径识别过程)，利用cir(信道冲击响应)中的时延分布来识别是否存在los路径；为了消除环境噪声，使用了离散小波变换方法(即图1中的cis预处理过程)；识别切割点时波峰波谷识别使用了最小二乘法曲线拟合方法。

2.定位ap：

包括两个方面：方向确定和位置确定。方向确定首先判断相对方向，之后根据30个子载波的相关性进行进一步修正；位置确定结合三个位置的坐标信息及各自位置得到的方向信息，使用基于视距路径最大幅值的加权质心算法得到最终ap的位置信息。

具体来说，基于简单手势确定恶意ap位置的方法，按照以下步骤进行：

1)在接收端收集三个位置的csi信息，如图2a、2b所示，在接收端，用户正对电脑，手势从电脑的左侧开始，向前画一个半圆绕过电脑，至此手势到达电脑右端结束。

对三个位置中的每个位置收集到的csi信息都进行如下步骤的处理；

2)对测量方向进行调整，对是否存在los路径进行识别。

利用离群点检测算法(lof)，根据cir延迟的分布确定是否存在los路径。图4为离群点检测算法(lof)使用后得到的离群点。设定阈值，判断离群点检测算法计算结果的统计结果是否超过阈值，若超过阈值，则认为这次采集的数据是背对着ap收集的。使用cir中三个接收天线最大幅度对应的延迟进行进一步分辨，如图5，图中delay-n代表cir中三个天线最大幅度对应的位置在延迟n×50ns处。los路径cir最大幅度基本全部集中在4×50ns延迟处，如图5(b)，能占到总体的98％；而nlos路径的cir最大幅度在4×50ns延迟后的5×50ns和6×50ns处依然有较多分布，占到总体的41.67％，如图5(a)，这是因为nlos路径的延迟一般比los路径大，利用这一现象，可以进一步分辨是否存在los路径。

3)csi预处理。利用cfr(信道频率响应)逆傅里叶变换后得到的cir获得los路径的能量，图6为一个csi流单个包ifft后时域范围的cir图像。图中横坐标为时间延迟，纵坐标为时域内每个延迟对应的幅度值，幅度值越高说明该延迟下到达的信号携带的能量越高，越有可能是los路径传播过来的。los路径的幅度存在很多噪声，使用离散小波变换(dwt)进行去噪。图3为手势移动时采集到的原始csi数据在时域画图，dwt去噪效果如图7。

4)波峰波谷识别。

为了获得波形信息，进行线性拟合寻峰算法，结合曲线上升下降趋势、幅度差、斜率，使用最小二乘法线性拟合的二阶抛物线拟合波谷，高斯函数拟合波峰，寻找各自波形的位置、幅度及峰宽，结合波峰波谷位置、持续时间、连续性参数，得到最可能是第一菲涅尔区切割的波谷，进而得到菲涅尔切割点位置。图8为寻找到的菲涅尔切割点。

5)判断相对方向。

首先通过上一步菲涅尔切割点的识别，找到第一菲涅尔区的范围，确定在第一菲涅尔区内移动时产生的csi特征是否符合预期，若符合，导出波谷(幅值最低点)对应于总采集数据的百分比，进而导出方向信息。若不符合，需要进行二次测量，并判断是否是因为los路径识别出现了问题。

6)方向修正。

在手势开始运动时在时域范围30个子载波的相关性增大，如图9所示，利用这个现象找到相关性最大的数据部分，即真实的开始和结束画半圆的位置，以此来对方向进行修正。

7)位置导出。

取三个位置收集的csi数据，根据位置坐标和方向取三条直线的交点坐标(x1,y1),(x2,y2),(x3,y3)，使用基于视距路径最大幅值的加权质心算法计算最终ap的位置。如图10所示。

其中，步骤1)中接收端为配备inter5300网卡并修改过网卡固件的电脑。

步骤1)中手势的移动路径为身前半圆。

步骤2)中lof的输入为一次画半圆过程中的所有数据包，接收端的3根接收天线，30个子载波cir在5×50ns及其之后的延迟处倒排序取前20个的数据。

步骤2)中lof算法局部离群因子若大于10，认为这个点为离群点，统计结果阈值设定为5。

步骤2)中进一步分辨使用的特征是los路径cir最大幅度基本全部集中在特定延迟4×50ns处。

步骤6)中子载波相关性根据以下公式计算：

其中ρ(j)为第j个窗口的相关性，window_init为第j个窗口开始的地方，window_end为第j个窗口结束的地方，a(i)为第i个子载波的幅度值，s为子载波个数。

步骤7)中加权质心算法的权值使用cir得到的los路径最大幅值d,ap的最终位置(xfinal,yfinal)根据以下公式计算：

其中d1,d2,d3分别为三个位置接收到csi数据计算得到的los路径最大幅值，(x1,y1),(x2,y2),(x3,y3)分别是三个位置的坐标和方向确定的三条直线的交点。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。