A machine learning approach to station identification in a Wi-Fi network

Wi-Fi teknolojisi, kesintisiz iletişim ve bilgiye kolay erişim sağlayarak modern hayatın vazgeçilmez bir parçası haline gelmiştir. Sürekli gelişimiyle birlikte, bağlı cihazların sayısı da katlanarak artmıştır. Bu hızlı genişleme, Wi-Fi ağlarında istasyon parmak izi çıkarma gibi çeşitli zorlukları beraberinde getirmiştir. Bu çalışmada, Wi-Fi ağlarında istasyon tanımlama sorununu, çok sınıflı güdümlü öğrenme yaklaşımı kullanarak ele aldık. Veri seti, özel bir internet servis sağlayıcısından elde edilmiş gerçek dünya verisidir ve fiziksel ve ağ katmanlarından, trafik desenlerinden ve protokol özelliklerini içeren gözlemlerden oluşmaktadır. Çalışmamızda 2.4GHz ve 5GHz arayüzlerinde çeşitli sınıflandırıcıları inceledik. Temel odak noktası, bu modellerin performanslarını bağımsız ve yığma yöntemleriyle birlikte değerlendirerek incelemektir. Band yığma yöntemi, aynı sınıflandırıcı türünün 2.4GHz ve 5GHz tahminlerini birleştirirken, ileri bir yığma yaklaşımı farklı sınıflandırıcı türlerinin çıktısını birleştirmektedir. Deneysel sonuçlar, bireysel sınıflandırıcı performanslarını yığma yöntemleriyle karşılaştırmaktadır. Bulgular, heterojen özelliklerin birleştirilmesi ve yığma sınıflandırı\-cıların istasyon tanımlamada kullanılmasının, gerçek Wi-Fi ağı kurulumlarında parmak izi çıkarma için ölçeklenebilir ve verimli bir çözüm sunduğunu vurgulamaktadır.