論文の概要: Real-time Wireless Transmitter Authorization: Adapting to Dynamic
Authorized Sets with Information Retrieval
- arxiv url: http://arxiv.org/abs/2111.02584v1
- Date: Thu, 4 Nov 2021 02:00:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-06 01:52:11.331334
- Title: Real-time Wireless Transmitter Authorization: Adapting to Dynamic
Authorized Sets with Information Retrieval
- Title（参考訳）: リアルタイム無線送信の認可:動的認証セットへの適応と情報検索
- Authors: Samurdhi Karunaratne, Samer Hanna, Danijela Cabric
- Abstract要約: 実際の展開では、承認された送信機のセットが変更されるにつれて、送信機の追加および削除の必要性が生じる可能性がある。
本稿では,これらの特徴ベクトルを局所感性ハッシュ(LSH)を用いてデータベースにインデクシングすることで,学習の簡易化を実証する。
本稿では,データベース上で近接する近傍探索を行い,深層学習モデルの精度に適合する送信機認証を行うことを示す。
- 参考スコア（独自算出の注目度）: 15.572581983129655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the Internet of Things (IoT) continues to grow, ensuring the security of
systems that rely on wireless IoT devices has become critically important. Deep
learning-based passive physical layer transmitter authorization systems have
been introduced recently for this purpose, as they accommodate the limited
computational and power budget of such devices. These systems have been shown
to offer excellent outlier detection accuracies when trained and tested on a
fixed authorized transmitter set. However in a real-life deployment, a need may
arise for transmitters to be added and removed as the authorized set of
transmitters changes. In such cases, the system could experience long
down-times, as retraining the underlying deep learning model is often a
time-consuming process. In this paper, we draw inspiration from information
retrieval to address this problem: by utilizing feature vectors as RF
fingerprints, we first demonstrate that training could be simplified to
indexing those feature vectors into a database using locality sensitive hashing
(LSH). Then we show that approximate nearest neighbor search could be performed
on the database to perform transmitter authorization that matches the accuracy
of deep learning models, while allowing for more than 100x faster retraining.
Furthermore, dimensionality reduction techniques are used on the feature
vectors to show that the authorization latency of our technique could be
reduced to approach that of traditional deep learning-based systems.
- Abstract（参考訳）: IoT(Internet of Things)が成長を続けるにつれ、無線IoTデバイスに依存するシステムのセキュリティが重要になっている。
この目的のために、ディープラーニングベースの受動的物理層送信認可システムが最近導入されており、そのようなデバイスの限られた計算量と電力予算に対応している。
これらのシステムは、固定された送信機セットで訓練および試験を行う際に、優れた異常検出精度を提供することが示されている。
しかし、実際の運用では、認可された送信機のセットが変わると、送信機の追加と削除が必要となる可能性がある。
このような場合、基盤となるディープラーニングモデルをトレーニングすることは、しばしば時間を要するプロセスであるため、システムは長時間のダウンタイムを経験する可能性がある。
本稿では,特徴ベクトルをRF指紋として活用することにより,特徴ベクトルを局所性評価ハッシュ(LSH)を用いてデータベースにインデックス化する訓練を簡略化できることを最初に実証する。
次に、データベース上で近接する近傍探索を行い、深層学習モデルの精度と一致する送信機認証を行い、100倍以上の高速な再学習を可能にすることを示す。
さらに,特徴ベクトル上での次元性低減手法を用いて,従来のディープラーニングシステムへのアプローチにより,手法の認可遅延を低減できることを示す。
関連論文リスト
- A Survey of Machine Learning-based Physical-Layer Authentication in Wireless Communications [17.707450193500698]
無線環境におけるユニークな特性の活用により,Physical-Layer Authentication (PLA) が有望な補完として浮上している。
本稿では,MLベースのPLAで使用可能な特徴と技術について,包括的に調査する。
論文 参考訳（メタデータ） (2024-11-15T03:01:23Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Radio Frequency Fingerprinting via Deep Learning: Challenges and Opportunities [4.800138615859937]
RFF(Radio Frequency Fingerprinting)技術は、製造時に導入された固有のハードウェア不完全性に基づいて、物理層における無線デバイスを認証することを約束する。
機械学習の最近の進歩、特にディープラーニング(DL)では、デバイス固有の指紋を構成する複雑な特徴を抽出し学習するRFFシステムの能力が改善されている。
本稿では,DL ベースの RFF システム構築において直面する重要事項と課題を体系的に同定し,分析する。
論文 参考訳（メタデータ） (2023-10-25T06:45:49Z) - Unsupervised Domain Adaptation for Self-Driving from Past Traversal
Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。
提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。
実世界のデータセットの実験では、大幅な改善が示されている。
論文 参考訳（メタデータ） (2023-09-21T15:00:31Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Uncovering the Portability Limitation of Deep Learning-Based Wireless
Device Fingerprints [10.698553177585973]
デバイス指紋認証のアプローチは、生のRF信号のみからデバイス固有の特徴を抽出するためにディープラーニングに依存している。
広く知られている問題のひとつは、トレーニングデータとテストデータがさまざまなデプロイメントドメインの下で収集される場合、これらのアプローチが優れたパフォーマンスを維持することができないことだ。
ディープラーニングベースのデバイスフィンガープリントをドメインの多様性に対してより回復力のあるものにするために、これらの課題にどう対処すればよいか、いくつかのアイデアを提示します。
論文 参考訳（メタデータ） (2022-11-14T19:03:55Z) - Self-Supervised RF Signal Representation Learning for NextG Signal
Classification with Deep Learning [5.624291722263331]
自己教師付き学習は、無線周波数(RF)信号自体から有用な表現を学習することを可能にする。
自己教師型学習による信号表現の学習により,AMRのサンプル効率(精度向上に必要なラベル付きサンプル数)を大幅に向上できることを示す。
論文 参考訳（メタデータ） (2022-07-07T02:07:03Z) - Comprehensive RF Dataset Collection and Release: A Deep Learning-Based
Device Fingerprinting Use Case [10.698553177585973]
我々は、USRP B210受信機を用いて25種類のLoRa対応IoT伝送デバイスから収集した大規模なRFフィンガープリントデータセットを提示、リリースする。
我々のデータセットは、多数のSigMF準拠バイナリファイルからなり、I/Q時間領域のサンプルと対応するFFTベースのLoRa送信ファイルで構成されている。
論文 参考訳（メタデータ） (2022-01-06T19:07:57Z) - Benchmarking Detection Transfer Learning with Vision Transformers [60.97703494764904]
オブジェクト検出メソッドの複雑さは、ViT(Vision Transformer)モデルのような新しいアーキテクチャが到着するときに、ベンチマークを非簡単にする。
本研究では,これらの課題を克服し,標準的なVTモデルをMask R-CNNのバックボーンとして活用する訓練手法を提案する。
その結果,最近のマスキングに基づく教師なし学習手法は,COCOにおける説得力のあるトランスファー学習改善をもたらす可能性が示唆された。
論文 参考訳（メタデータ） (2021-11-22T18:59:15Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳（メタデータ） (2021-06-14T11:42:46Z) - Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。
本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-10T06:11:13Z)
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。