論文の概要: Comprehensive RF Dataset Collection and Release: A Deep Learning-Based
Device Fingerprinting Use Case
- arxiv url: http://arxiv.org/abs/2201.02213v1
- Date: Thu, 6 Jan 2022 19:07:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-10 23:08:45.766783
- Title: Comprehensive RF Dataset Collection and Release: A Deep Learning-Based
Device Fingerprinting Use Case
- Title(参考訳): 包括的RFデータセット収集とリリース:深層学習型デバイスフィンガープリントのユースケース
- Authors: Abdurrahman Elmaghbub, Bechir Hamdaoui
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 10.698553177585973
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Deep learning-based RF fingerprinting has recently been recognized as a
potential solution for enabling newly emerging wireless network applications,
such as spectrum access policy enforcement, automated network device
authentication, and unauthorized network access monitoring and control. Real,
comprehensive RF datasets are now needed more than ever to enable the study,
assessment, and validation of newly developed RF fingerprinting approaches. In
this paper, we present and release a large-scale RF fingerprinting dataset,
collected from 25 different LoRa-enabled IoT transmitting devices using USRP
B210 receivers. Our dataset consists of a large number of SigMF-compliant
binary files representing the I/Q time-domain samples and their corresponding
FFT-based files of LoRa transmissions. This dataset provides a comprehensive
set of essential experimental scenarios, considering both indoor and outdoor
environments and various network deployments and configurations, such as the
distance between the transmitters and the receiver, the configuration of the
considered LoRa modulation, the physical location of the conducted experiment,
and the receiver hardware used for training and testing the neural network
models.
- Abstract(参考訳): ディープラーニングベースのRFフィンガープリントは、スペクトルアクセスポリシーの執行、自動ネットワークデバイス認証、不正なネットワークアクセス監視と制御など、新しい無線ネットワークアプリケーションを可能にする潜在的ソリューションとして最近認識されている。
新たに開発されたRFフィンガープリント手法の研究、評価、検証を可能にするために、実際の包括的なRFデータセットはこれまでになく必要となっている。
本稿では,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RFフィンガープリントデータセットについて述べる。
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。
このデータセットは、屋内と屋外の両方の環境と、送信機と受信機の間の距離、考慮されたLoRa変調の設定、実施された実験の物理的位置、ニューラルネットワークモデルのトレーニングとテストに使用される受信機ハードウェアなど、様々なネットワーク配置と構成を考慮して、包括的な実験シナリオを提供する。
関連論文リスト
- Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。
無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。
そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
論文 参考訳(メタデータ) (2023-12-08T13:50:30Z) - HiNoVa: A Novel Open-Set Detection Method for Automating RF Device
Authentication [9.571774189070531]
本稿では,畳み込みニューラルネットワーク(CNN)長短期記憶(LSTM)モデルにおける隠れ状態値のパターンに基づいた,新しいオープンセット検出手法を提案する。
我々のアプローチはLoRa、Wi-Fi、Wired-WiFiデータセットの精度-リコール曲線の領域を大幅に改善する。
論文 参考訳(メタデータ) (2023-05-16T16:47:02Z) - One-shot Generative Distribution Matching for Augmented RF-based UAV Identification [0.0]
この研究は、限られたRF環境下でRFフィンガープリントを用いて無人航空機(UAV)を特定するという課題に対処する。
RF信号の複雑さと可変性は、環境干渉やハードウェアの不完全性の影響を受け、従来のRFベースの識別手法を効果的にしないことが多い。
変換されたRF信号を増強するためのワンショット生成法は、UAV識別を著しく改善する。
論文 参考訳(メタデータ) (2023-01-20T02:35:43Z) - Disentangled Representation Learning for RF Fingerprint Extraction under
Unknown Channel Statistics [77.13542705329328]
本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。
提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。
実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2022-08-04T15:46:48Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳(メタデータ) (2022-01-03T16:49:33Z) - Three-Way Deep Neural Network for Radio Frequency Map Generation and
Source Localization [67.93423427193055]
空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。
本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
論文 参考訳(メタデータ) (2021-11-23T22:25:10Z) - RF-Net: a Unified Meta-learning Framework for RF-enabled One-shot Human
Activity Recognition [9.135311655929366]
デバイスフリー(または非接触)センシングは、デバイスベース(またはウェアラブル)センシングよりも環境変化に敏感である。
RF-HARの既存のソリューションは、新しい環境に適応するための努力的なデータ収集プロセスを必要とする。
本稿では,1ショットのRF-HARに対するメタラーニングに基づくアプローチとしてRF-Netを提案する。
論文 参考訳(メタデータ) (2021-10-29T01:58:29Z) - 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) - A Generalizable Model-and-Data Driven Approach for Open-Set RFF
Authentication [74.63333951647581]
高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。
RFF抽出と識別のために機械学習に基づく手法が提案されている。
生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2021-08-10T03:59:37Z) - ChaRRNets: Channel Robust Representation Networks for RF Fingerprinting [0.0]
RFフィンガープリントのための複雑値畳み込みニューラルネットワーク(CNN)を提案する。
我々は,深層学習(dl)技術を用いた無線iotデバイスの指紋認証の問題に注目する。
論文 参考訳(メタデータ) (2021-05-08T03:03:21Z) - Device Authentication Codes based on RF Fingerprinting using Deep
Learning [2.980018103007841]
Device Authentication Code (DAC) は、その無線周波数(RF)シグネチャを利用して、IoTデバイスを無線インターフェースで認証する新しい方法である。
DACは,任意の無線機器に特有の有能な特徴を抽出することにより,デバイス偽造を防止することができることを示す。
論文 参考訳(メタデータ) (2020-04-19T01:50:29Z)
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。