Jamming detection and localization techniques for next-generation wireless systems

THE omnipresence and commercialization of Software Defined Radios (SDRs) have enabled significant research, innovation, and cost-effective development in the field of telecommunications. This also lowered barriers to developing affordable and capable jammers that disrupt the same wireless communication systems. Open access nature of unlicensed spectrum poses significant risks concerning Physical Layer Security (PLS). The first step in countering any security threat is to identify that a system is under attack. This thesis confronts this issue first by presenting the effect of modern jammers on wireless networks operating in unlicensed networks. It shows how an SDR jammer can disable networks operating on the 2.4 GHz WiFi band. Experimental jamming detection by an access point using machine learning is proposed for WiFi networks in various scenarios. Then, the impact of jamming on Reconfigurable Intelligent Surfaces (RIS) aided indoor communication is presented using a digital twin 3D office model. Simulation analysis shows that when the jammer forms a Line of Sight (LOS) path between the transmitter and RIS, the RIS reflects jamming signals, causing significant SNR degradation. Finally, Unmanned Aerial Vehicle (UAV) aided localization of jammers using Received Signal Strength Indicator (RSSI) measurements along predefined trajectories is presented. Experimental results show a mean absolute localization error of 5 m (with legitimate transmissions) and 4 m (without) for a single jammer. For multiple transmitters, k-means clustering autonomously identifies jammers, enhancing accuracy. Additionally, the UAV flight path and data collection are validated using the QuaDRiGa radio impulse channel model.

L’ONNIPRESENZA e la commercializzazione delle Software Defined Radios (SDRs) hanno consentito significativi progressi nella ricerca, nell’innovazione e nello sviluppo a basso costo nel campo delle telecomunicazioni. Questo ha anche abbassato le barriere per lo sviluppo di jammer economici ed efficaci, capaci di disturbare gli stessi sistemi di comunicazione wireless. La natura ad accesso aperto dello spettro non licenziato comporta rischi significativi in termini di Physical Layer Security (PLS). Il primo passo per contrastare qualsiasi minaccia alla sicurezza è identificare quando un sistema è sotto attacco. Questa tesi affronta il problema presentando inizialmente l’effetto dei jammer moderni sulle reti wireless operanti in bande di frequenza non licenziate. Viene dimostrato come un jammer basato su SDR possa disabilitare le reti che operano nella banda WiFi a 2.4 GHz. È inoltre proposta una tecnica sperimentale di rilevamento delle interferenze da parte di un access point tramite l’uso di machine learning, analizzando diversi scenari nelle reti WiFi. Successivamente, viene studiato l’impatto delle interferenze su un sistema di comunicazione indoor basato su Reconfigurable Intelligent Surfaces (RIS), utilizzando un modello digitale, gemello tridimensionale, di un ambiente d’ufficio. Le simulazioni mostrano che, quando il jammer si trova in linea di visibilià (LOS) con il trasmettitore e la RIS, la superficie riflette anche il segnale di jamming, causando un significativo degrado del rapporto SNR. Infine, viene presentato un metodo di localizzazione dei jammer assistito da Unmanned Aerial Vehicles (UAV), basato sulla misurazione del Received Signal Strength Indicator (RSSI) lungo traiettorie predefinite. I risultati sperimentali mostrano un errore medio assoluto di localizzazione di 5 m (in presenza di trasmissioni legittime) e 4 m (in assenza di trasmissioni) per un singolo jammer. Nel caso di piú trasmettitori, un algoritmo di k-means clustering identifica automaticamente i jammer, migliorando l’accuratezza della localizzazione. Inoltre, il percorso di volo dell’UAV e la raccolta dei dati sono stati validati utilizzando il modello QuaDRiGa per la simulazione realistica della risposta all’impulso del canale.