Los sistemas sin llave han reemplazado los métodos anticuados de insertar llaves físicas en cerraduras para desbloquear la puerta, que son incómodos y fácilmente explotados por actores amenazantes. Los sistemas sin llave utilizan la tecnología de radiofrecuencia (RF) como interfaz para transmitir señales desde el llavero al vehículo. Sin embargo, los sistemas sin llave también son susceptibles de ser comprometidos por un actor amenazante que intercepta la señal transmitida y realiza un ataque de repetición. En este documento, proponemos un modelo basado en transferencia de aprendizaje para identificar los ataques de repetición lanzados contra vehículos controlados por llave remota. Específicamente, el sistema utiliza una red neuronal profunda ResNet50 pre-entrenada para predecir las señales remotas inalámbricas utilizadas para bloquear o desbloquear las puertas de un sistema de vehículo controlado de forma remota. Las señales finalmente se clasifican en tres clases: señal real, señal falsa de alto ganancia y señal falsa de bajo ganancia. Hemos entrenado nuestro modelo con 100 épocas (3800 iteraciones) en un conjunto de datos KeFRA 2022, un conjunto de datos moderno. El modelo ha registrado una precisión de validación final del 99.71% y una pérdida de validación final del 0.29% en un tiempo de inferencia bajo de 50 ms para el solucionador SGD basado en el modelo. La evaluación experimental reveló la supremacía del modelo propuesto.