論文の概要: PAST-AI: Physical-layer Authentication of Satellite Transmitters via Deep Learning

• arxiv url: http://arxiv.org/abs/2010.05470v1
• Date: Mon, 12 Oct 2020 06:08:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 07:52:00.338474
• Title: PAST-AI: Physical-layer Authentication of Satellite Transmitters via Deep Learning
• Title（参考訳）: PAST-AI: 深層学習による衛星送信機の物理層認証
• Authors: Gabriele Oligeri, Simone Raponi, Savio Sciancalepore, Roberto Di Pietro
• Abstract要約: PAST-AIは、低地球軌道(LEO)衛星をIQサンプルの指紋認証によって認証する手法である。 我々は,CNNとオートエンコーダが,衛星トランスデューサの認証に有効であることを証明する。
• 参考スコア（独自算出の注目度）: 4.588028371034406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical-layer security is regaining traction in the research community, due to the performance boost introduced by deep learning classification algorithms. This is particularly true for sender authentication in wireless communications via radio fingerprinting. However, previous research efforts mainly focused on terrestrial wireless devices while, to the best of our knowledge, none of the previous work took into consideration satellite transmitters. The satellite scenario is generally challenging because, among others, satellite radio transducers feature non-standard electronics (usually aged and specifically designed for harsh conditions). Moreover, the fingerprinting task is specifically difficult for Low-Earth Orbit (LEO) satellites (like the ones we focus in this paper) since they orbit at about 800Km from the Earth, at a speed of around 25,000Km/h, thus making the receiver experiencing a down-link with unique attenuation and fading characteristics. In this paper, we propose PAST-AI, a methodology tailored to authenticate LEO satellites through fingerprinting of their IQ samples, using advanced AI solutions. Our methodology is tested on real data -- more than 100M I/Q samples -- collected from an extensive measurements campaign on the IRIDIUM LEO satellites constellation, lasting 589 hours. Results are striking: we prove that Convolutional Neural Networks (CNN) and autoencoders (if properly calibrated) can be successfully adopted to authenticate the satellite transducers, with an accuracy spanning between 0.8 and 1, depending on prior assumptions. The proposed methodology, the achieved results, and the provided insights, other than being interesting on their own, when associated to the dataset that we made publicly available, will also pave the way for future research in the area.
• Abstract（参考訳）: ディープラーニングの分類アルゴリズムによる性能向上により, 物理層セキュリティは研究コミュニティの勢いを取り戻している。 これは、無線指紋認証による無線通信における送信者認証に特に当てはまる。 しかし、これまでの研究は地上無線機器に重点を置いていたが、我々の知る限り、衛星送信機を考慮に入れなかった。 衛星無線トランスデューサは非標準電子回路(通常は高齢で、厳しい条件のために特別に設計された)を備えているため、衛星のシナリオは一般的に困難である。 さらに、地球から約800km、約25,000km/hの速度で周回しているため、低地球軌道(leo)衛星では特に指紋認証の作業は困難であり、受信機はユニークな減衰と減衰特性を持つダウンリンクを経験できる。 本稿では、高度なAIソリューションを用いて、IQサンプルの指紋認証によりLEO衛星を認証する手法であるPAST-AIを提案する。 我々の手法は、IRIDium LEO衛星の大規模な観測キャンペーンから収集された実データ(1億個以上のI/Qサンプル)で589時間持続する。 その結果,畳み込みニューラルネットワーク(CNN)とオートエンコーダ(適切に校正された場合)が,従来想定されていた0.8～1の精度で衛星トランスデューサの認証に有効であることを証明した。 提案した手法,達成された結果,提供された洞察は,私たちが公開しているデータセットに関連付けることで,その領域における今後の研究の道を開くものである。

関連論文リスト

• Emulation of satellite up-link quantum communication with entangled photons [75.38606213726906]
  我々は、極非縮退光子の超明るい光源を実証し、エミュレートされた高損失衛星シナリオにおいて量子鍵分布を行う。 先駆的なMiciusアップリンク実験の1つに対応するロスプロファイルと10kmのテレコムファイバーで区切られた地上のエンドユーザーにより、制限の1回のオーバーパスで5.2kbitのセキュアな鍵蓄積を実現する。
  論文  参考訳（メタデータ） (2025-02-05T19:14:55Z)
• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Detection of Aerial Spoofing Attacks to LEO Satellite Systems via Deep Learning [3.5502600490147196]
  本稿では、受信したPHY信号にオートエンコーダによる異常検出を適用し、LEO衛星コンステレーションシステムのスプーフィング検出手法を提案する。 我々は、ドローンに搭載された実際のスプーファーの展開を含む広範囲な計測キャンペーンを通じて、我々のソリューションを検証する。 提案手法は,異なる高度で発射されるスプーフ攻撃を確実に検出できる一方で,最先端の競合するアプローチは単純に失敗することを示す。
  論文  参考訳（メタデータ） (2024-12-20T15:56:09Z)
• The OPS-SAT benchmark for detecting anomalies in satellite telemetry [8.851378726587487]
  OPS-SATで取得したテレメトリデータを含むAI-Readyベンチマークデータセット(OPSSAT-AD)を紹介する。 OPSSAT-ADは、異常検出のための30の教師付き、教師なしの古典的および深層機械学習アルゴリズムを用いて得られるベースライン結果に付随する。
  論文  参考訳（メタデータ） (2024-06-29T11:12:22Z)
• Stitching Satellites to the Edge: Pervasive and Efficient Federated LEO Satellite Learning [1.3121410433987561]
  本稿では,衛星が大規模機械学習(ML)タスクを効率的に実行できるようにする新しいFL-SECフレームワークを提案する。 主な構成要素は、余分な衛星画像を特定して排除するディビジョン・アンド・コンカーによるパーソナライズドラーニングと、軌道毎に集約された「軌道モデル」を生成し、地上局に送る前に再訓練する軌道モデル再訓練である。 我々のアプローチではFL収束時間が30倍近く減少し、衛星のエネルギー消費は1.38ワットまで減少し、例外的な精度は96%まで維持される。
  論文  参考訳（メタデータ） (2024-01-28T02:01:26Z)
• Secure and Efficient Federated Learning in LEO Constellations using Decentralized Key Generation and On-Orbit Model Aggregation [1.4952056744888915]
  本稿では、LEO星座向けに設計されたセキュアFLアプローチであるFedSecureを提案する。 FedSecureは、各衛星のデータのプライバシーを、盗聴者、好奇心の強いサーバー、または好奇心の強い衛星に対して保護する。 また、収束の遅れは数日から数時間に劇的に減少するが、85.35%の精度に達する。
  論文  参考訳（メタデータ） (2023-09-04T21:36:46Z)
• Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
  創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。 eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。 RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
  論文  参考訳（メタデータ） (2021-12-03T07:44:45Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。