論文の概要: Zero-Effort Two-Factor Authentication Using Wi-Fi Radio Wave
Transmission and Machine Learning
- arxiv url: http://arxiv.org/abs/2303.02503v1
- Date: Sat, 4 Mar 2023 21:04:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 19:21:04.662202
- Title: Zero-Effort Two-Factor Authentication Using Wi-Fi Radio Wave
Transmission and Machine Learning
- Title(参考訳): Wi-Fi電波伝送と機械学習を用いたゼロエフォート2要素認証
- Authors: Ali Abdullah S. AlQahtani, Thamraa Alshayeb
- Abstract要約: 本稿では,ユーザ環境と機械学習(ML)のユニークな特徴を組み合わせた,ゼロ・エフォート2要素認証(2FA)手法を提案する。
Raspberry Piデバイスを用いたプロトタイプを開発し,提案手法の有効性と実用性を示す実験を行った。
提案システムは2FAとユーザ認証の分野に革命をもたらし、機密情報への安全でシームレスなアクセスの新たな時代を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The proliferation of sensitive information being stored online highlights the
pressing need for secure and efficient user authentication methods. To address
this issue, this paper presents a novel zero-effort two-factor authentication
(2FA) approach that combines the unique characteristics of a users environment
and Machine Learning (ML) to confirm their identity. Our proposed approach
utilizes Wi-Fi radio wave transmission and ML algorithms to analyze beacon
frame characteristics and Received Signal Strength Indicator (RSSI) values from
Wi-Fi access points to determine the users location. The aim is to provide a
secure and efficient method of authentication without the need for additional
hardware or software. A prototype was developed using Raspberry Pi devices and
experiments were conducted to demonstrate the effectiveness and practicality of
the proposed approach. Results showed that the proposed system can
significantly enhance the security of sensitive information in various
industries such as finance, healthcare, and retail. This study sheds light on
the potential of Wi-Fi radio waves and RSSI values as a means of user
authentication and the power of ML to identify patterns in wireless signals for
security purposes. The proposed system holds great promise in revolutionizing
the field of 2FA and user authentication, offering a new era of secure and
seamless access to sensitive information.
- Abstract(参考訳): オンラインに保存されているセンシティブな情報の拡散は、安全で効率的なユーザ認証方法の必要性を強調している。
そこで本稿では,ユーザ環境と機械学習(ml)のユニークな特徴を組み合わせることにより,そのアイデンティティを確認する新しいゼロ・エフォート二要素認証(zero-effort two-factor authentication, 2fa)手法を提案する。
提案手法は、Wi-Fi電波伝送とMLアルゴリズムを用いてビーコンフレーム特性と受信信号強度指標(RSSI)値をWi-Fiアクセスポイントから解析し、ユーザ位置を決定する。
目的は、ハードウェアやソフトウェアを追加することなく、セキュアで効率的な認証方法を提供することである。
raspberry piデバイスを用いたプロトタイプを開発し,提案手法の有効性と実用性を示す実験を行った。
その結果,本システムは金融,医療,小売など様々な産業における機密情報のセキュリティを著しく向上させることができることがわかった。
この研究は、ユーザ認証の手段としてのWi-Fi電波とRSSI値の可能性と、セキュリティのために無線信号のパターンを識別するMLのパワーに光を当てる。
提案システムは2FAとユーザ認証の分野に革命をもたらし、機密情報への安全でシームレスなアクセスの新たな時代を提供する。
関連論文リスト
- Locality Sensitive Hashing for Network Traffic Fingerprinting [5.062312533373298]
ネットワークトラフィックのフィンガープリントにLSH(Locality-sensitive hashing)を用いる。
本手法は,ネットワーク内のデバイスを識別する際の精度を約94%向上し,最先端の精度を12%向上させる。
論文 参考訳(メタデータ) (2024-02-12T21:14:37Z) - 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) - Towards Adaptive RF Fingerprint-based Authentication of IIoT devices [0.0]
RF環境に対する高精度なデバイス認証を実現するため,PHY層において,AI適応型無線周波数フィンガープリント技術の選択とチューニングを利用して,パワフルでフレキシブルなIIoTデバイス認証を実現するための第一歩を示す。
論文 参考訳(メタデータ) (2023-11-27T14:55:32Z) - SignCRF: Scalable Channel-agnostic Data-driven Radio Authentication
System [17.391164797113134]
RFFDL(Radio Frequency Fingerprinting through Deep Learning)は、データ駆動型IoT認証技術である。
提案されているSignCRFは、スケーラブルで、チャネルに依存しない、データ駆動の無線認証プラットフォームである。
SignCRFは,WiFiおよびLoRaデバイスの認証精度を最大5倍,8倍向上させることで,RFFDLの性能を著しく向上することを示した。
論文 参考訳(メタデータ) (2023-03-21T21:11:02Z) - Device identification using optimized digital footprints [0.0]
ネットワーク上の通信に使用されるデジタルフットプリントに基づいて,デバイス識別のためのデバイスフィンガープリント(DFP)手法が提案されている。
デバイス固有のシグネチャを生成するために、単一のトランスミッション制御プロトコル/インターネットプロトコルパケットのネットワーク層とトランスポート層から9つの機能のサブセットが選択されている。
結果は、ランダムフォレスト分類器(RF)を用いて、最大100%精度のデバイスタイプを識別し、最大95.7%精度のデバイスを分類できることを示した。
論文 参考訳(メタデータ) (2022-12-04T14:21:29Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳(メタデータ) (2022-06-20T16:03:45Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳(メタデータ) (2022-05-24T10:49:11Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳(メタデータ) (2022-05-24T10:20:16Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳(メタデータ) (2021-06-03T16:45:40Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳(メタデータ) (2020-08-10T14:19:15Z) - 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。