Developing novel spectrum occupancy prediction and physical layer security techniques

Wireless communication systems have pervaded every aspect of our lives; from financial transactions to health records, from entertainment to work, from education to travelling. This extensive usage of wireless devices is accompanied by certain challenges including, but not limited to, spectrum scarcity and security. In recent years, machine learning techniques have been employed to address both problems. However, the majority of these techniques fail to either provide good accuracy or keep a scalable complexity level. In this dissertation, techniques are proposed for spectrum occupancy prediction and attack identification, respectively. The former is validated via simulations on a data set provided by one of Turkey's largest telecom operators. The results show that the proposed technique can predict spectrum occupancy with high accuracy while keeping the complexity low. Similarly, accurate and low complexity techniques for the identification of various attacks such as spoofing, jamming, and primary user emulation are proposed, and their performance is evaluated.

Kablosuz iletişim sistemleri, finansal işlemlerden sağlık kayıtlarına, eğlenceden işe, eğitimden seyahate hayatımızın her alanında yaygın olarak yer almaya başladı. Bu yaygınlaşma, spektrum kıtlığı ve güvenlik dahil olmak üzere birçok zorluğu da beraberinde getirdi. Son yıllarda, bu sorunları ele almak için makine öğrenmesi teknikleri kullanılmıştır. Ancak, bu tekniklerin çoğu ya iyi doğruluk sağlamakta ya da ölçeklenebilir bir karmaşıklık düzeyini korumakta başarısız olmaktadır. Bu tezde, sırasıyla spektrum doluluk tahmini ve saldırı tanımlama için teknikler önerilmektedir. Spektrum doluluk tahmini, Türkiye'nin en büyük telekom operatörlerinden biri tarafından sağlanan bir veri seti ile yapılan simülasyonlarla doğrulanmıştır. Sonuçlar, önerilen tekniğin karmaşıklığını düşük tutarken spektrum doluluğunu yüksek doğrulukla tahmin edebileceğini göstermektedir. Benzer şekilde, aldatma, karıştırma ve birincil kullanıcı benzetim saldırısı gibi çeşitli saldırıların belirlenmesi için yüksek doğruluğa ve düşük karmaşıklığa sahip teknikler önerilmiş ve performansları değerlendirilmiştir.