Sicherheit der Telekommunikationsinfrastruktur: Erkennung von Aktivitäten durch Glasfaserkabel mittels Laser und künstlicher Intelligenz

Abstrakt

Dieses Dokument stellt einen neuartigen Ansatz zur Verbesserung der Sicherheit von Telekommunikationsinfrastrukturen durch den Einsatz von Distributed Acoustic Sensing (DAS)-Technologie in Kombination mit Lasersignalerkennung und künstlicher Intelligenz (KI) vor. Glasfaserkabel, die für die Hochgeschwindigkeitsdatenübertragung unverzichtbar sind, sind anfällig für verschiedene Sicherheitsbedrohungen wie physische Schäden, unbefugten Zugriff und Umweltfaktoren. Durch die Verwendung von über Glasfaserkabel übertragenen Lasersignalen und die Analyse dieser Signale mit KI-Algorithmen ermöglicht diese Studie eine Echtzeitüberwachung und -bewertung der Sicherheit der Telekommunikationsinfrastruktur. Das System erkennt menschliche Bewegungen, die Anwesenheit von Fahrzeugen und Maschinen sowie Aushubarbeiten und liefert visuelles Feedback auf Bildschirmen zur sofortigen Überwachung und Intervention. Dieser Ansatz verbessert die Infrastruktursicherheit erheblich, indem er eine sofortige Erkennung und schnelle Reaktion auf potenzielle Bedrohungen ermöglicht.

Einführung

Die Telekommunikationsinfrastruktur ist für die moderne Konnektivität von entscheidender Bedeutung, ist jedoch mit erheblichen Sicherheitsrisiken wie physischen Schäden, unbefugtem Zugriff und Umweltbedrohungen konfrontiert. Glasfaserkabel, die für die Hochgeschwindigkeitsdatenübertragung von entscheidender Bedeutung sind, sind für diese Risiken besonders anfällig.

Die Distributed Acoustic Sensing (DAS)-Technologie bietet eine Lösung, indem sie Glasfaserkabel in verteilte Sensoren verwandelt. Dieses System erkennt akustische Ereignisse entlang des Kabels mithilfe der Rayleigh-Streuung, wobei Änderungen im gestreuten Licht auf Störungen wie menschliche Bewegungen, Fahrzeugverkehr und Ausgrabungen hinweisen.

Die Kombination von DAS mit Lasersignalerkennung und künstlicher Intelligenz (KI) verbessert die Überwachungsmöglichkeiten. Laserimpulse liefern detaillierte Echtzeitdaten, während KI-Algorithmen diese Signale analysieren, um verschiedene Aktivitäten genau zu klassifizieren und zu identifizieren. Dieser integrierte Ansatz ermöglicht eine effiziente Sicherheitsüberwachung der Telekommunikationsinfrastruktur in Echtzeit und ermöglicht eine sofortige Erkennung und Reaktion auf potenzielle Bedrohungen.

Das System nutzt künstliche Intelligenz, um erkannte Signale zu klassifizieren und zu analysieren:

Methodik

1. Anomalieerkennung: Durch kontinuierliches Monitoring mit Anomalieerkennungsmodellen werden ungewöhnliche Anomalien identifiziert und an das Klassifizierungsmodell weitergeleitet.
2. Klassifizierung: Das Klassifizierungsmodell bestimmt den Ereignistyp, z. B. menschliche Bewegung, Fahrzeugaktivität oder Ausgrabung. Dieses Modell verwendet eindimensionale Convolutional Neural Networks (CNNs) mit einer Eingabeform von (20000, 1). Die verwendete Aktivierungsfunktion ist Softmax, die Vorhersagewahrscheinlichkeiten für jede Ereignisklasse bereitstellt.

Systemarchitektur

Der Kern dieses Systems ist die Distributed Acoustic Sensing (DAS)-Technologie, die das Prinzip der Rayleigh-Streuung in Glasfaserkabeln nutzt.

1. Rayleigh-Streuung: Das System misst die Phasenänderungen im Rayleigh-Streulicht, um externe akustische Quellen zu erkennen. Die Phasenänderung Δ ∅ ergibt sich aus:

Dabei ist n der Brechungsindex, ΔL die Streulänge und λ die Wellenlänge des Lichts.

2. Signalverarbeitung: Die vom DAS-System erfassten Signale werden moduliert und in Zeitreihendaten umgewandelt, die zur Analyse digitalisiert werden.

DAS Technology

Übersicht; Die DAS-Technologie verwandelt die gesamte Länge von Glasfaserkabeln in einen verteilten Sensor und bietet Echtzeitüberwachungsfunktionen. Sie verwendet die Phase-OTDR-Methode (Phase Sensitive Optical Time Domain Reflectometry), um rückgestreute Rayleigh-Signale von akustischen Störungen zu analysieren.

  Erkennung: Die Intensität der Rayleigh-Streuung I_Rayleigh(T) als Funktion der Zeit T wird modelliert als

wobei I₀ die Anfangsintensität und L_c die charakteristische Länge der Faser ist.

Filter und Signalverarbeitung

Um eine genaue Erkennung zu gewährleisten und Rauschen zu reduzieren, werden verschiedene Filter auf die Daten angewendet:

1. Wavelet-Transformation: Diese Methode analysiert Signale in verschiedenen Frequenzbereichen und ist definiert durch:

wobei W(a,b) der Wavelet-Koeffizient, x(t) das Signal, ψ die Wavelet-Funktion, a der Maßstab und b die Translation ist.

2. Hochpassfilter (HPF): Erhält hochfrequente Komponenten und dämpft niederfrequentes Rauschen, definiert durch:

wobei ƒ_c die Grenzfrequenz, ƒ die Signalfrequenz und 𝑛 die Filterordnung ist.

Hier ist der korrigierte Text:

3. Bandpassfilter: Lässt Frequenzen innerhalb eines bestimmten Bereichs passieren, gegeben durch:

 wobei ƒ_c1 und ƒ_c2 Grenzfrequenzen sind, W₁ und W₂ Bandbreiten sind und 𝑛 die Filterordnung ist.

Ergebnisse

Das System wurde im Feld getestet, wobei das Glasfaserkabel in zwei verschiedenen Tiefen verlegt wurde: 1 Meter zur Fahrzeugerkennung und 30 Zentimeter zum Gehen und Graben. Die Signale wurden für Gehen, unbefugtes Betreten des Geländes durch Fahrzeuge und manuelles Graben analysiert und die Ergebnisse mithilfe von Wasserfalldiagrammen und Zeit-Amplituden-Diagrammen visualisiert. Die Signalanalyse ergab klare Unterschiede zwischen verschiedenen Arten von Aktivitäten und demonstrierte damit die Wirksamkeit des Systems.

Abschluss

Die Integration der DAS-Technologie mit KI-Algorithmen bietet eine robuste Lösung für die Echtzeitüberwachung der Telekommunikationsinfrastruktur. Die Fähigkeit des Systems, verschiedene Aktivitäten entlang der Glasfaserkabelroute zu erkennen und zu klassifizieren, erhöht die Sicherheit und ermöglicht eine schnelle Reaktion auf potenzielle Bedrohungen.

In dieser Studie präsentierten wir

Verweise

[1] Özkan, Erkan & Erkorkmaz, Tayfun & Cesur, Berke & Yetik, Hasan & Uludağ, Umut & Older, İbrahim.(2020). FOTAS (Fiber Optic Based Acoustic Sensing System): Anforderungen, Design, Implementierung, Tests und Ergebnisse. 10.1117/12.2581713.