一种基于跨层协议的5G异常空口信令检测方法

摘要: 本发明属于通信,涉及一种基于跨层协议的5g异常空口信令检测方法。背景技术:1、基站作为提供网络服务的核心设备,提供空口协议功能,支持与终端设备、核心网之间的通信...
一种基于跨层协议的5G异常空口信令检测方法

本发明属于通信,涉及一种基于跨层协议的5g异常空口信令检测方法。

背景技术:

1、基站作为提供网络服务的核心设备,提供空口协议功能,支持与终端设备、核心网之间的通信。5g通信网络信令的有效交互是通信网络各实体间正常数据传输的前提,其中空口信令是5g终端与基站之间通信信令。5g时代,基站呈现更加灵活的分布式架构。同时,基站更容易面临空口信令安全威胁,受到来自恶意设备和非法终端的攻击。

2、终端在通信过程中会传输自身的身份标识,在信令交互的前期阶段用户身份标识的信息缺乏机密性保护,从而非法攻击者可以获取我们的身份标识。同时,由于通常情况下在空口未启用完整性保护机制,非法终端能够伪造身份标识来冒充正常用户身份而造成恶意攻击。而基站本身缺乏监测机制辨别消息是否异常,从而导致通信被破坏。

3、非法终端在获取用户终端身份标识后,可以冒充用户身份发送连接请求类消息,从而导致基站断开和正常用户的连接,造成dos攻击。例如,攻击者能窃听受害者的5g-tmsi,生成一个包含伪造5g-tmsi的rrc设置请求,收到请求后5g核心网(5g-cn)会删除ue的安全上下文,导致拒绝服务攻击。同时,非法终端可窃听正常用户上行信道数据,修改信令中涉及ue能力的内容后转发基站。例如,攻击者将ue的安全能力修改,可导致空加密攻击。

4、现有的空口异常信令检测主要包含以下几种方法:

5、基于关键性能指标kpi的方法:使用关键性能指标kpi作为检测数据,通过设立阈值等检测标准判断异常。例如,通过基于该时段内收到消息数量等kpi指标进行宏观监测。kpi指标作为统计数据指标具有宏观性,不能根据信令具体消息内容进行分析,监测粒度不够精细,监测能力有限。同时,使用kpi指标非实时性数据,无法满足高实时需求。

6、基于phy层特征的方法:使用phy层信号参数建模形成phy层信号指纹。通过将收到消息和该用户历史消息的物理层参数进行比较,判定该消息是否存在异常,例如,检测消息信号功率跟历史消息平均值距离。物理层信号在固定场景下能反映用户所处环境代表用户,但面对移动的场景和“噪声”等突发场景容易导致误判。同时攻击者也能调整物理层信号进一步仿冒正常用户。

7、基于rrc层特征的方法:使用rrc层消息内容,如rrc消息类型等,通过对消息流程合理性进行分析、或者设立检测阈值的方式判定是否存在异常。分析信令流程合理性的方法能仅能识别能直接违反rrc信令交互流程的消息。部分异常信令消息不会引起rrc信令流程异常。但攻击者也能通过发送符合流程机制的仿冒消息,因此存在漏检情况。同时,5g网络环境较为复杂,设立阈值的方式无法适应环境。

8、现有的异常信令检测方法难以满足5g网络对信令异常检测的“高精度、实时性、全面性、多场景”的需求,其存在以下主要问题:

9、1.kpi数据缺乏实时性和准确性:kpi指标是基站侧宏观的统计数据指标,不能根据获取具体的消息内容进行分析,检测粒度不够精细。同时,kpi数据通常反映一定时间段内所有信令数据的特点。不能针对每时刻的单条信令消息进行分析,缺乏实时性。

10、2.phy层信号指纹仅适用于固定场景:phy层的信号指纹基于用户的历史信令数据形成,通常能反映用户消息发送设备的性能以及所处环境中噪声、干扰等情况。当用户本身处于高铁、飞机等高速移动行驶的环境或所处环境突然出现较大的噪声干扰时,也会导致当前信令消息的phy层信号同信号指纹存在较大偏差。因此,信号指纹只适用于较为稳定的通信环境和固定的现实场景。

11、3.基于rrc层数据使用检测阈值无法适应复杂的网络环境:5g网络具有低延迟、大容量的特点。网络环境较为复杂、网络流量变化较快。正常网络环境的检测标准无法适应“高峰期”的网络环境,可能导致大量误检情况。rrc流程分析检测攻击有限:针对rrc信令流程合理性分析,仅能检测出直接违反rrc流程机制的异常消息。但部分异常消息并不一定引起rrc流程异常,如降级攻击、空加密攻击等。因此,仅使用流程分析进行判断检测攻击类型有限。

技术实现思路

1、针对现有技术中存在的问题,本发明的目的在于提供一种基于跨层协议的5g异常空口信令检测方法。解决了现有技术中使用kpi统计数据缺乏实时性、精确性,使用单一协议栈层数据无法适应变化的现实场景和网络环境和检测攻击类型有限的问题。

2、本发明选取合适的信令rrc层数据和phy层数据,用于衡量rrc流程状态和信号功率和信道状态特点。

3、本发明设计相应的特征处理方式,结合历史信令数据,处理形成从信令流程逻辑和偏离程度层面反映异常的特征。

4、本发明设计了一种异常检测模型,挖掘不同特征与消息异常之间的联系,最终经过分类得到异常检测结果。

5、本发明的技术方案为:

6、一种基于跨层协议的5g异常空口信令检测方法,其步骤包括:

7、提取基站的跨层协议数据;

8、对所述跨层协议数据进行特征处理,得到能反映信令消息异常表征的特征值;

9、使用已标注特征值对检测模型进行训练,用于生成所述特征值的加权表示;

10、对所述特征值的加权表示输入分类器进行分类判断,得到所述跨层协议数据的异常检测结果。

11、优选的,所述跨层协议数据为基站内各协议栈层对所接收的信令消息进行解码、测量处理产生的数据,包括rrc层数据和phy层数据。

12、优选的,从基站cu设备rrc协议栈层提取所述rrc层数据,包括rrc信令消息数据和rrc层上下文信息数据;从基站du设备phy协议栈层提取所述phy层数据,包括信号测量数据和信道状态数据。

13、优选的,得到所述特征值的方法为:使用所述跨层协议数据中的rrc层数据和phy层数据结合最近k条历史信令数据分别进行rrc层特征处理和phy层特征处理,得到能反映信令消息异常表征的特征值;所述历史信令数据为历史信令检测过程中所接收到的每条信令数据及其检测结果;所述rrc层特征处理包括对rrc层数据进行rrc流程表示和rrc重复统计,得到rrc层特征值,所述rrc层特征值包括rrc信令的顺序、数量;所述phy层特征处理包括计算phy层数据的phy偏离程度和phy偏离统计,得到phy层特征值,所述phy层特征值反映phy层信号和所处环境特点,体现信号变化和信道状态的异常情况。

14、优选的,对rrc层数据进行rrc流程表示的方法为:通过对所述rrc层数据中接收消息的rrc消息类型、rrc信令交互过程状态以及ue连接状态,并结合历史信令数据进行分析,得到该接收消息在rrc流程层面是否存在异常的表示值;具体分析过程为:

15、根据上一条接收消息的rrc信令交互过程状态解析当前可接受的消息类型,若与当前接收消息的rrc消息类型不一致,则判定存在异常;

16、根据上一条接收消息的ue连接状态结合rrc重复统计中的rrc信令重复数量,得到当前可接受的消息类型,若与当前接收消息的rrc消息类型不一致,则判定存在异常;

17、根据上一条接收消息的rrc消息类型与当前接收消息的rrc消息类型进行比较,判断当前接收消息是否符合信令交互的顺序,若不符合则判定存在异常;

18、根据上述判定结果得到当前接收消息的rrc流程表示。

19、优选的,对rrc层数据进行rrc重复统计得到rrc消息重复数量和rrc消息重复间隔。

20、优选的,根据phy层的参考信号接收功率rsrp、信噪比snr、接收信号强度指示rssi以及延迟距离计算得到phy层数据的phy偏离程度;通过计算接收到的dmrs和期望的dmrs之间的互相关,并计算使接收的dmrs与期望的dmrs之间的互相关绝对值最大化的参数k,根据该参考k确定所述延迟距离;dmrs用于无线信道估计以解调相关的物理信道的参考信号。

21、优选的,所述phy层数据的phy偏离统计包括对历史信令数据和当前接收消息的信令数据中phy层数据的rsrp偏离程度rsrp-α、snr偏离程度snr-α、rssi偏离程度rssi-α以及延迟距离偏离程度distance-α进行偏离程度统计。

22、一种计算设备,其特征在于,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行上述的方法。

23、一种计算机可读存储介质,其特征在于,存储指令,当所述指令在计算机上运行时,使得计算机执行上述的方法。

24、本发明具有以下关键点:

25、1)针对控制面信令在5g基站侧现异常信令检测,扩展信令检测在基站侧的运用,满足基站的信令安全需求,保证用户与基站的正常通信。

26、2)针对非法终端发送的异常信令,使用基站内部提取的实时数据,根据具体的信令消息内容和相关测量数据进行检测,保证数据的全面性和实时性。

27、3)该方法使用基于跨层协议进行能检测,同时利用rrc层和phy层信令数据,设计相应特征处理方式、形成反映信令流程协议和信号偏离程度的两个特征。

28、4)该方法使用监督学习方法进行异常检测,将检测输入投影到特定维度空间,经过相应模型处理后由分类器获取异常分类结果。

29、本发明的优点如下:

30、1)在通信网络中基站侧实现信令检测,保障了基站的信令安全。现有的信令检测技术通常在核心网和终端侧进行异常检测,本发明扩展了在基站层面进行信令检测的研究。

31、2)从基站内部实时提取rrc层和phy层的信令数据,内置式提取的数据更具有全面性和完整性,能够获取基站接收到全部信令消息的消息内容和相关测量数据。

32、3)使用基于跨层协议的检测方法,能够同时利用rrc层和phy层信令解析数据、从信令流程和信号变化两方面结合,相对于传统单一使用rrc层和phy层数据检测方式更为全面、检测精度更高。

33、4)使用监督学习方法进行异常检测,相对于传统基于固定阈值的方式,更能应对网络的复杂性,并能够关注更能反映信令异常的指标。