Jamming and Spoofing Detection and Classification Performance Under Hostile GNSS Environments
Notice bibliographique
Résumé
Civilian Global Navigation Satellite Systems (GNSS) play a crucial role in critical infrastructure and safety-critical applications, where their low signal power and open descriptions make them vulnerable to threats such as jamming and spoofing. To address these major challenges and growing concerns, NovAtel’s OEM7 receivers are equipped with an advanced GNSS Resilience and Integrity Technology (GRIT) to identify and respond to GNSS threats effectively. This includes Interference Toolkit (ITK), Spoofing Detection Toolkit (SK) and Robust Dual-Antenna Receiver (RoDAR), which employ a range of countermeasures, from jamming detection and characterization to spoofing detection and mitigation, ensuring solution integrity and reliability. The newly developed Galileo Open Service Navigation Message Authentication (OSNMA) module also offers an additional layer of protection by checking for the authenticity of the navigation message for Galileo E1 signals. This paper evaluates the performance of NovAtel’s OEM7 receivers in detecting and mitigating jamming and spoofing using real event data. Effective jamming detection was achieved through spectrum monitoring across all GNSS bands. The effectiveness of GRIT’s anti-jamming and anti-spoofing technologies was demonstrated in advanced test cases. OSNMA results are discussed, highlighting its role as a complementary protection layer for enhanced GNSS security.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».