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
- 2FA: Navigating the Challenges and Solutions for Inclusive Access [55.2480439325792]
2要素認証(2FA)は、オンライン活動を保護する重要なソリューションとして浮上している。
本稿では,全ユーザに対して安全かつアクセス可能な方法で2FAをデプロイすることの難しさについて検討する。
人気オンラインプラットフォームにおける様々な2FA手法の実装と利用状況について分析を行った。
論文 参考訳（メタデータ） (2025-02-17T12:23:53Z) - Cryptanalysis via Machine Learning Based Information Theoretic Metrics [58.96805474751668]
本稿では,機械学習アルゴリズムの新たな2つの応用法を提案する。
これらのアルゴリズムは、監査設定で容易に適用でき、暗号システムの堅牢性を評価することができる。
本稿では,DES,RSA,AES ECBなど,IND-CPAの安全でない暗号化スキームを高精度に識別する。
論文 参考訳（メタデータ） (2025-01-25T04:53:36Z) - L2AI: lightweight three-factor authentication and authorization in IOMT blockchain-based environment [0.6554326244334868]
医療用インターネット・オブ・モノ(IoMT)は、個人が最小限のインタラクションで重要なアクティビティをリモートで管理することを可能にする。
本稿では,ブロックチェーン環境におけるリアルタイムデータにアクセスするための,軽量な多要素認証と匿名ユーザ認証方式を提案する。
論文 参考訳（メタデータ） (2024-07-16T21:33:46Z) - Opportunistic Sensor-Based Authentication Factors in and for the Internet of Things [0.12289361708127873]
我々は、モノのインターネットにおいて、機会論的センサーベースの認証要素を構築するための新しいアイデアを提案する。
センサは新たな認証要素を作成するために利用でき、既存のオブジェクト間認証機構を強化することができる。
駐車場入場シナリオにおける実証実験を通じて,提案手法の有効性と有効性を示す。
論文 参考訳（メタデータ） (2024-04-11T12:14:04Z) - Domain-Agnostic Hardware Fingerprinting-Based Device Identifier for Zero-Trust IoT Security [7.8344795632171325]
次世代ネットワークは、人間、機械、デバイス、システムをシームレスに相互接続することを目的としている。
この課題に対処するため、Zero Trust(ZT)パラダイムは、ネットワークの完全性とデータの機密性を保護するための重要な方法として登場した。
この研究は、新しいディープラーニングベースの無線デバイス識別フレームワークであるEPS-CNNを導入している。
論文 参考訳（メタデータ） (2024-02-08T00:23:42Z) - Leveraging Machine Learning for Wi-Fi-based Environmental Continuous Two-Factor Authentication [0.44998333629984877]
ユーザの入力を機械学習(ML)による決定に置き換える新しい2FAアプローチを提案する。
本システムは,Wi-Fiアクセスポイント(AP)からのビーコンフレーム特性や受信信号強度指標(RSSI)値など,ユーザに関連するユニークな環境特性を利用する。
セキュリティを強化するため,ユーザの2つのデバイス(ログインデバイスとモバイルデバイス)が,アクセスを許可する前に所定の近くに配置されることを義務付ける。
論文 参考訳（メタデータ） (2024-01-12T14:58:15Z) - DynamiQS: Quantum Secure Authentication for Dynamic Charging of Electric Vehicles [61.394095512765304]
Dynamic Wireless Power Transfer (DWPT)は、電気自動車を運転中に充電できる新しい技術である。
量子コンピューティングの最近の進歩は、古典的な公開鍵暗号を危険にさらしている。
動的ワイヤレス充電のための第1量子後セキュア認証プロトコルであるDynamiQSを提案する。
論文 参考訳（メタデータ） (2023-12-20T09:40:45Z) - 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) - 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) - 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。