In modern society, Global Navigation Satellite Systems (GNSSs) are ubiquitously relied upon by many systems, among others in critical infrastructure, for navigation and time synchronization. To overcome the prevailing vulnerable state of civilian GNSSs, many detection schemes for different attack types (i.e., jamming and spoofing) have been proposed in literature over the last decades. With the launch of Galileo Open Service Navigation Message Authentication (OS­NMA), certain, but not all, types of GNSS spoofing are prevented. We therefore analyze the remaining attack surface of relay/replay attacks in order to identify a suitable and effective combination of detection schemes against these. One shortcoming in the evaluation of countermeasures is the lack of available test platforms, commonly limiting evaluation to mathematical description, simulation and/or test against a well defined set of recorded spoofing incidents. In order to allow researchers to test countermeasures against more diverse threats, this degree project investigates relay/replay attacks against GNSS signals in real­world setups. For this, we consider colluding adversaries, relaying/replaying on signal­ and on message­level in real­time, over consumer grade Internet, and with Commercially off the Shelf (COTS) hardware. We thereby highlight how effective and simple relay/replay attacks can be on existent and likely on upcoming authenticated signals. We investigate the requirements for such colluding attacks and present their limitations and impact, as well as highlight possible detection points. / Det moderna samhället förlitar sig på ständigt tillgängliga satellitnavigeringssystem (GNSSs) för navigering och tidssynkronisering i bland annat kritisk infrastruktur. För att åtgärda det rådande såbara tillståndet i civila GNSSs har många detektionssystem för olika attacktyper (dvs. jamming och förfalskning) blivit förslagna i den vetenskapliga litteraturen under de senaste årtiondena. Införandet av Galileo Open Service Navigation Message Authentication (OS NMA) förhindrar vissa, men inte alla typer av förfalskningsattacker. Därför analyserar vi den övriga angreppsytan för replay attacker för att identifiera en kvalificerad och effektiv kombination av detektionssystem emot dem. Ett tillkortakommande i utvärdering av detektionssystemen är bristen på tillgängliga testplattformar, vilket får konsekvensen att utvärderingen ofta är begränsad till matematiska beskrivningar, simuleringar, och/eller testning mot ett väldefinierat set av genererad förfalskningsattacker. För att hjälpa forskarna testa detektionssystemen mot mer varierade angrepp undersöker detta examensarbete replay attacker mot GNSS signaler i realistiska situationer. För dessa syften betraktar vi kollaborerande angripare som utför replay attacker på signal ­ och meddelandennivå i realtid över konsument­kvalité Internet med vanlig hårdvara. Vi framhäver därmed hur effektiva och enkla replay attacker kan vara mot befintliga och kommande autentiserade signaler. Vi undersöker förutsättningar för sådana kollaborerande attacker och presenterar deras begränsningar och verkan, samt möjliga kännetecken.

This paper deals with study of inertial navigation, global navigation satellite system, and their fusion into the one navigation solution. The first part of the work is to calculate the trajectory from accelerometers and gyroscopes measurements. Navigation equations calculate rotation with quaternions and remove gravity sensed by accelerometers. The equation’s output is in earth centred fixed navigation frame. Then, inertial navigation errors are discussed and focused to the bias correction. Theory about INS/GNSS inte- gration compares different integration architecture. The Kalman filter is used to obtain navigation solution for attitude, velocity and position with advantages of both systems.

The aim of this thesis is to graphically interpret navigation messages from a prototype of global navigation satellite system. The resulting application is implemented in Python programming language for Windows operating system and follows requests from researchers developing the prototype. Necessary terminology together with graphical user interface programming possibilities of object-oriented language Python is a base for theoretical background of this text. Practical part of this research describes a solution for receiving generated messages from the prototype as well as their storing and filtering into useful information. Further, the design of graphical user interface of the application for prototype interactions and other tools used for its configuration are included.

Time synchronization is a process of ensuring all the time difference between the clocks of network components(like base stations, boundary clocks, grandmasters, etc.) in the mobile network is zero or negligible. It is one of the important factors responsible for ensuring effective communication between two user-equipments in a mobile network. Nevertheless, the presence of asymmetries can lead to faults, making the detection of these errors indispensable, especially in technologies demanding ultra-low latency, such as 5G technology. Developing methods to ensure time-synchronized mobile networks, would not only improve the network performance, and contribute towards cost-effective telecommunication infrastructure. A rulebased simulator to simulate the mobile network was built, using the rules provided by the domain experts, in order to generate more data for further studies. The possibility of using Reinforcement Learning to perform fault detection in the mobile network was explored. In addition to the simulator dataset, an unlabelled customer dataset, which consists of time error differences between the base stations, and additional features for each of its network components was provided. Classification algorithms to label the customer dataset were designed, and a comparative analysis of each of them has been presented. Mathematical algorithm and Graph Neural Network models were built to detect error, for both the simulator and customer dataset, for the faulty node detection task. The approach of using a Mathematical algorithm and Graph Neural Network architectures provided an accuracy of 95% for potential fault node detection. The feature importance of the additional features of the network components was analyzed using the best Graph Neural Network model which was used to train for the node classification task (to classify the base stations as faulty and non-faulty). Additionally, an attempt was made to predict the individual time error value for each of the links using Graph Neural Network, however, it failed potentially due to the presence of fewer features to train from. / Tidssynkronisering är en process för att säkerställa att all tidsskillnad mellan klockorna för nätverkskomponenter (som basstationer, gränsklockor, stormästare, etc.) i mobilnätet är noll eller försumbar. Det är en av de viktiga faktorerna som är ansvariga för att säkerställa effektiv kommunikation mellan två användarutrustningar i ett mobilnät. Icke desto mindre kan närvaron av asymmetrier leda till fel, vilket gör upptäckten av dessa fel oumbärlig, särskilt i tekniker som kräver ultralåg latens, som 5G-teknik. En regelbaserad simulator för att simulera mobilnätet byggdes, med hjälp av reglerna från domänexperterna, för att generera mer data för vidare studier. Möjligheten att använda RL för att utföra feldetektering i mobilnätet undersöktes. Utöver simulatordataset tillhandahölls en omärkt kunddatauppsättning, som består av tidsfelsskillnader mellan basstationerna och ytterligare funktioner för var och en av dess nätverkskomponenter. Klassificeringsalgoritmer för att märka kunddataset utformades, och en jämförande analys av var och en av dem har presenterats. Matematisk algoritm och GNN-modeller byggdes för att upptäcka fel, för både simulatorn och kunddatauppsättningen, för uppgiften att detektera felaktig nod. Metoden att använda en matematisk algoritm och GNN-arkitekturer gav en noggrannhet på 95% för potentiell felnoddetektering. Funktionens betydelse för de ytterligare funktionerna hos nätverkskomponenterna analyserades med den bästa GNN-modellen som användes för att träna för nodklassificeringsuppgiften (för att klassificera basstationerna som felaktiga och icke-felaktiga). Dessutom gjordes ett försök att förutsäga det individuella tidsfelsvärdet för var och en av länkarna med GNN, men det misslyckades potentiellt på grund av närvaron av färre funktioner att träna från.

科学研究費補助金 研究種目:基盤研究(C)(2) 課題番号:07805037 研究代表者:片山 正昭 研究期間:1995-1996年度

Tesis por compendio / [ES] El uso generalizado de teléfonos inteligentes equipados con receptores GNSS (Sistemas Globales de Navegación por Satélite) ha generado una gran cantidad de datos de posicionamiento. En este contexto, la computación en la nube en tiempo real surge como un enfoque prometedor para aprovechar esta riqueza de información de ubicación. La tesis doctoral se centra en el análisis de latencia y estrategias de optimización para este tipo de aplicaciones. Se presenta el desarrollo de una aplicación Android que captura datos GNSS sin procesar de teléfonos inteligentes, aprovecha los recursos de la computación en la nube, calcula la posición del dispositivo y devuelve la solución computada al usuario. Esta integración no solo conserva los recursos del dispositivo, sino que también permite el cálculo de la posición en tiempo real, lo que abre el camino para aplicaciones y servicios basados en la ubicación mejorados. En segundo lugar, la tesis analiza los desafíos de latencia dentro de las soluciones GNSS basadas en la nube. Se investiga y cuantifica el impacto de diversos factores en el sistema, incluyendo la adquisición de señales GNSS, la transmisión de datos, el procesamiento en la nube y la difusión de resultados. Se realizan experimentos controlados y escenarios del mundo real para evaluar la influencia de las condiciones de la red, las capacidades del dispositivo y la carga del servidor en la nube en la latencia general de posicionamiento. Los resultados resaltan los cuellos de botella del sistema y sus contribuciones relativas a la latencia. Adicionalmente, se presentan recomendaciones para mitigar estos desafíos y garantizar una experiencia de usuario óptima para aplicaciones de posicionamiento en tiempo real. La tesis doctoral contribuye al avance del posicionamiento GNSS con computación en la nube para teléfonos inteligentes. Se analizan los desafíos de latencia y se presentan estrategias de optimización, además de desarrollarse una serie de herramientas para facilitar el trabajo con datos GNSS procedentes de dispositivos móviles. / [CA] L'ús generalitzat de telèfons intel·ligents equipats amb receptors GNSS (Sistemes Globals de Navegació per Satèl·lit) ha generat una gran quantitat de dades de posicionament. En este context, la computació en el núvol en temps real sorgix com un enfocament prometedor per a aprofitar esta riquesa d'informació d'ubicació. La tesi doctoral se centra en l'anàlisi de latència i estratègies d'optimització per a esta mena d'aplicacions. Es presenta el desenvolupament d'una aplicació Android que captura dades GNSS sense processar de telèfons intel·ligents, aprofita els recursos de la computació en el núvol, calcula la posició del dispositiu i retorna la solució computada a l'usuari. Esta integració no sols conserva els recursos del dispositiu, sinó que també permet el càlcul de posició en temps real, la qual cosa obri el camí per a aplicacions i servicis basats en la ubicació millorats. En segon lloc, la tesi analitza els desafiaments de latència dins de les solucions GNSS basades en el núvol. S'investiga i quantifica l'impacte de diversos factors en el sistema, incloent-hi l'adquisició de senyals GNSS, la transmissió de dades, el processament en el núvol i la difusió de resultats. Es realitzen experiments controlats i escenaris del món real per a avaluar la influència de les condicions de la xarxa, les capacitats del dispositiu i la càrrega del servidor en el núvol en la latència general de posicionament. Les troballes ressalten els principals problemes del sistema i les seues contribucions relatives a la latència. Addicionalment, es presenten recomanacions per a mitigar estos desafiaments i garantir una experiència d'usuari òptima per a aplicacions de posicionament en temps real. La tesi doctoral contribuïx a l'avanç del posicionament GNSS amb computació en el núvol per a telèfons intel·ligents. S'analitzen els desafiaments de latència i es presenten estratègies d'optimització, a més de desenvolupar-se una sèrie de ferramentes per a facilitar el treball amb dades GNSS procedents de dispositius mòbils. / [EN] The widespread use of smartphones equipped with GNSS (Global Navigation Satellite System) receivers has generated a large amount of positioning data. In this context, real-time cloud computing emerges as a promising approach to leverage this wealth of location information. The doctoral thesis focuses on the analysis of latency and optimization strategies for such applications. The development of an Android application is presented that captures raw GNSS data from smartphones, leverages cloud computing resources, calculates the device's position, and returns the computed solution to the user. This integration not only conserves device resources but also enables real-time position calculation, paving the way for enhanced location-based applications and services. Second, the thesis analyses latency challenges within cloud based GNSS solutions. It investigates and quantifies the impact of various factors on the system, including GNSS signal acquisition, data transmission, cloud processing, and result dissemination. Controlled experiments and real-world scenarios are made to assess the influence of network conditions, device capabilities, and cloud server load on overall positioning latency. The findings highlight system bottlenecks and their relative contributions to latency. Additionally, recommendations are presented to mitigate these challenges and guarantee an optimal user experience for real-time positioning applications. The doctoral thesis contributes to the advancement of GNSS positioning with cloud computing for smartphones. Latency challenges are analysed, and optimization strategies are presented, in addition to developing a series of tools to facilitate working with mobile devices GNSS data. / Hernández Olcina, J. (2024). Posicionamiento GNSS con computación en la nube para teléfonos inteligentes: análisis de latencia y estrategias de optimización para aplicaciones en tiempo real [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/214028 / Compendio