Rilevamento delle anomalie per test sequenziali applicati ad autenticazione a livello fisico

L’obiettivo di questa tesi è l’analisi delle problematiche legate alla Physical Layer Authentication (PLA) applicata al canale acustico subacqueo (UWAC), un modello complesso e variabile a causa delle caratteristiche fisiche e morfologiche dell’ambiente sottomarino. In particolare, ci siamo concentrati sulla rilevazione di attacchi di impersonificazione tramite tecniche di quickest detection, introducendo il test CUSUM. Poiché la distribuzione dell’attaccante non è nota tale metodo non è applicabile, perciò abbiamo sviluppato l’algoritmo CUSUM UWAC, assumendo una distribuzione uniforme per l’attaccante e utilizzando distribuzioni gaussiane per emulare il trasmettitore legittimo. Abbiamo testato l’algoritmo su distribuzioni gaussiane complete, troncate e normalizzate, sia per campioni singoli che multidimensionali e gaussiane saturate, confrontando le differenti strategie utilizzate al ricevitore. Infine, abbiamo sviluppato un modello basato su reti neurali LSTM per risolvere il problema della anomaly detection, ottenendo buone performance nella classificazione delle anomalie rispetto agli algoritmi statistici tradizionali.