[发明专利]一种基于贝叶斯模型的伪基站识别方法

摘要

本发明提供一种基于贝叶斯模型的伪基站识别方法，所述方法至少包括：利用移动通信终端获取每一个基站的C1准则值和C2准则值；在贝叶斯模型中分别查找与所述C1准则值和C2准则值相等的特征值，获取所述特征值的正向权重值和负向权重值，作为所述C1准则值和C2准则值的正向权重值和负向权重值；根据正向权重值计算所述基站的第一概率整合值；根据负向权重值计算所述基站的第二概率整合值；根据所述第一概率整合值和第二概率整合值，判定所述基站是否为伪基站。本发明通过贝叶斯模型进行伪基站的识别，提高了伪基站的识别准确率，并为进一步对伪基站执行安全处理操作提供可靠前提。

主权项

1.一种基于贝叶斯模型的伪基站识别方法，其特征在于，所述识别方法至少包括：利用移动通信终端获取所有可接入基站的信息，计算每一个基站的C1准则值和C2准则值；在贝叶斯模型中分别查找与所述C1准则值和C2准则值相等的特征值，获取所述特征值的正向权重值和负向权重值，作为所述C1准则值和C2准则值的正向权重值和负向权重值，其中，所述正向权重值表示包含C1准则值或C2准则值的基站为正常基站的概率，所述负向权重值表示包含C1准则值或C2准则值的基站为伪基站的概率；所述贝叶斯模型通过预先训练获得，获得方法为：对于训练集中已判断区别为正常基站和伪基站的每一个基站，进行C1准则值和C2准则值的测量，对所述C1准则值和C2准则值进行分类，每一类所述C1准则值或C2准则值作为所述贝叶斯模型的特征值；针对所述贝叶斯模型的每一个特征值，根据该特征值的num1及预先设定的所述训练集中伪基站与正常基站的总个数N_total，计算该特征值的正向权重值，其中，所述num1为所述训练集中包含该特征值的正常基站的数量；根据该特征值的num2及预先设定的所述训练集中伪基站与正常基站的总个数N_total，计算该特征值的负向权重值，其中，所述num2为所述训练集中包含该特征值的伪基站的数量，所述特征值的正向权重值等于num1/N_total；所述特征值的负向权重值等于num2/N_total；根据所述C1准则值和C2准则值的正向权重值计算所述基站的第一概率整合值；根据所述C1准则值和C2准则值的负向权重值计算所述基站的第二概率整合值，所述第一概率整合值表示所述基站为正常基站的概率，所述第二概率整合值表示所述基站为伪基站的概率；所述第一概率整合值P_正具体计算方法为：其中，P1表示C1准则值的正向权重值，P2表示C2准则值的正向权重值；所述第二概率整合值P_负具体计算方法为：其中，P3表示C1准则值的负向权重值，P4表示C2准则值的负向权重值；将所述第一概率整合值与第二概率整合值相减，得到一差值，然后将所述差值与一预设值比较，若所述差值大于所述预设值，则判定所述基站为伪基站；若所述差值小于所述预设值，则判定所述基站为正常基站。