論文の概要: The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting

• arxiv url: http://arxiv.org/abs/2105.03671v1
• Date: Sat, 8 May 2021 10:48:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-12 13:17:12.237143
• Title: The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting
• Title（参考訳）: タグは正しい:フェデレーションデータ強化ラジオフィンガープリントによる大規模RFIDクローン検出
• Authors: Mauro Piva, Gaia Maselli, Francesco Restuccia
• Abstract要約: 本稿では、RFIDクローン検出の精度を高めるために、フェデレーション機械学習(FML)とデータ拡張(DAG)に基づく新しいトレーニングフレームワークを提案する。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。
• 参考スコア（独自算出の注目度）: 11.03108444237374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Millions of RFID tags are pervasively used all around the globe to inexpensively identify a wide variety of everyday-use objects. One of the key issues of RFID is that tags cannot use energy-hungry cryptography. For this reason, radio fingerprinting (RFP) is a compelling approach that leverages the unique imperfections in the tag's wireless circuitry to achieve large-scale RFID clone detection. Recent work, however, has unveiled that time-varying channel conditions can significantly decrease the accuracy of the RFP process. We propose the first large-scale investigation into RFP of RFID tags with dynamic channel conditions. Specifically, we perform a massive data collection campaign on a testbed composed by 200 off-the-shelf identical RFID tags and a software-defined radio (SDR) tag reader. We collect data with different tag-reader distances in an over-the-air configuration. To emulate implanted RFID tags, we also collect data with two different kinds of porcine meat inserted between the tag and the reader. We use this rich dataset to train and test several convolutional neural network (CNN)--based classifiers in a variety of channel conditions. Our investigation reveals that training and testing on different channel conditions drastically degrades the classifier's accuracy. For this reason, we propose a novel training framework based on federated machine learning (FML) and data augmentation (DAG) to boost the accuracy. Extensive experimental results indicate that (i) our FML approach improves accuracy by up to 48%; (ii) our DA approach improves the FML performance by up to 31%. To the best of our knowledge, this is the first paper experimentally demonstrating the efficacy of FML and DA on a large device population. We are sharing with the research community our fully-labeled 200-GB RFID waveform dataset, the entirety of our code and trained models.
• Abstract（参考訳）: 何百万ものRFIDタグが世界中で広く使われ、さまざまな日常用途のオブジェクトを安価に識別する。 RFIDの重要な問題の1つは、タグがエネルギー不足の暗号を使えないことである。 このような理由から、RFIDクローン検出を実現するために、タグの無線回路に固有の不完全性を利用する、ラジオフィンガープリント(RFP)は魅力的なアプローチである。 しかし,近年の研究により,RFPプロセスの精度が著しく低下することが明らかとなった。 本研究では,動的チャネル条件を持つRFIDタグのRFPに関する大規模研究を提案する。 具体的には,200個の市販RFIDタグとソフトウェア定義無線(SDR)タグリーダによって構成されたテストベッド上で,大規模なデータ収集キャンペーンを行う。 タグリーダ距離の異なるデータを,オーバーザエア構成で収集する。 移植したRFIDタグをエミュレートするために,タグと読者の間に挿入された2種類の豚肉のデータも収集した。 我々は、この豊富なデータセットを使用して、様々なチャネル条件で複数の畳み込みニューラルネットワーク(cnn)ベースの分類器を訓練し、テストする。 本研究は,異なるチャネル条件におけるトレーニングとテストが,分類器の精度を著しく低下させることを明らかにした。 そこで本稿では,FML(Federated Machine Learning)とDAG(Data Augmentation)に基づく新たなトレーニングフレームワークを提案する。 広範な実験結果から, (i) fmlアプローチは精度を最大48%向上させ, (ii) daアプローチはfml性能を最大31%向上させた。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。 私たちは研究コミュニティと200gbのrfid波形データセット、コード全体、トレーニングされたモデルを共有しています。

関連論文リスト

• Reverse Engineering and Security Evaluation of Commercial Tags for RFID-Based IoT Applications [0.9999629695552193]
  本稿では、RFIDベースのIoTシステムで見られる最も一般的な欠陥について概説する。 第二に、そのような欠陥の検出と緩和を容易にする新しい手法を提示する。 第3に、最新のRFIDセキュリティツールを分析し、提案手法をその1つを通して適用し(Proxmark 3)、検証する。
  論文  参考訳（メタデータ） (2024-02-05T23:55:46Z)
• Deep learning assisted robust detection techniques for a chipless RFID sensor tag [0.0]
  本稿では,チップレスRFIDセンサタグからの識別・センサデータのロバスト読み出し手法を提案する。 機械学習(ML)とディープラーニング(DL)の回帰モデリング技術が初めて、レーダークロスセクション(RCS)データのデータセットに適用される。 本報告では, タグ表面形状, 傾き角, 読み出し範囲が, ID と知覚値の頑健な検出のためのモデルのトレーニングに取り入れられていることを初めて報告する。
  論文  参考訳（メタデータ） (2023-08-26T19:20:35Z)
• RFID-Assisted Indoor Localization Using Hybrid Wireless Data Fusion [0.5753274939310764]
  屋内環境における物体追跡にはワイヤレス位置決めが不可欠である。 Internet of Things(IoT)は、さまざまな無線通信プロトコルを通じてローカライズを可能にする。 本稿では、RFID(Radio Frequency Identification)トラッキングデバイスと複数のIoT無線技術を用いたハイブリッド区間を用いた屋内位置推定手法を提案する。
  論文  参考訳（メタデータ） (2023-07-28T12:02:27Z)
• Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
  そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。 我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。 CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:09:25Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• From One to Many: A Deep Learning Coincident Gravitational-Wave Search [58.720142291102135]
  単一検出器からの非スピン型二元ブラックホールデータに基づいてトレーニングされたニューラルネットワークを用いて、二元ブラックホールの融合から重力波を2検出器で探索する。 これらの単純な2検出器ネットワークはいずれも、検出器のデータに個別にネットワークを適用するよりも感度を向上させることができない。
  論文  参考訳（メタデータ） (2021-08-24T13:25:02Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• Backpropagating through Fr\'echet Inception Distance [79.81807680370677]
  FastFIDは、損失関数としてFIDで生成モデルを効率的に訓練することができる。 Generative Adversarial Networksのための追加の損失としてFIDを使用すると、FIDが改善される。
  論文  参考訳（メタデータ） (2020-09-29T15:04:40Z)
• Monitoring Browsing Behavior of Customers in Retail Stores via RFID Imaging [24.007822566345943]
  本稿では,モノスタティックRFIDイメージングに基づく多人数イメージングシステムTagSeeを提案する。 我々はImpinj Speedway R420リーダーとSMARTRAC DogBone RFIDタグを使用してTagSeeを実装した。 TagSeeは、たった3～4人のユーザーのトレーニングデータを使用して、マルチパーソンシナリオで90%以上のTPRと10%未満のFPRを達成することができる。
  論文  参考訳（メタデータ） (2020-07-07T16:36:24Z)
• Super Low Resolution RF Powered Accelerometers for Alerting on Hospitalized Patient Bed Exits [3.2654923574107357]
  転倒は重篤な結果であり、高齢者を介護する急性病院や老人ホームで流行している。転倒のリスクを軽減するための技術介入は、自動でベッドからのイベントを監視し、医療従事者にタイムリーな監視を提供するよう警告する。 患者活動に関連する周波数領域情報は, 主に低頻度で存在している。 無線周波数識別(RFID)技術を用いた電池レスセンシング方式について検討し,病院ガウンなどの衣服への便利な統合の可能性について検討した。
  論文  参考訳（メタデータ） (2020-03-19T00:58:30Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。