論文の概要: Bluetooth and WiFi Dataset for Real World RF Fingerprinting of
Commercial Devices
- arxiv url: http://arxiv.org/abs/2303.13538v3
- Date: Thu, 17 Aug 2023 13:25:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-21 10:24:50.325406
- Title: Bluetooth and WiFi Dataset for Real World RF Fingerprinting of
Commercial Devices
- Title（参考訳）: 商用機器のリアルタイムRFフィンガープリントのためのBluetoothとWiFiデータセット
- Authors: Anu Jagannath, Zackary Kane, Jithin Jagannath
- Abstract要約: 本稿では,市販のオフ・ザ・シェルフ(COTS)コンボチップセットから,WiFiとBluetoothを2つの異なる時間枠で伝送するエミッションをキャプチャする。
広く使用するために、72GBデータセット内の各キャプチャは、多様な入力テンソルの長さとフォーマットをサポートするのに十分な長さ(40MSamples)である。
- 参考スコア（独自算出の注目度）: 3.4836961035265217
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: RF fingerprinting is emerging as a physical layer security scheme to identify
illegitimate and/or unauthorized emitters sharing the RF spectrum. However, due
to the lack of publicly accessible real-world datasets, most research focuses
on generating synthetic waveforms with software-defined radios (SDRs) which are
not suited for practical deployment settings. On other hand, the limited
datasets that are available focus only on chipsets that generate only one kind
of waveform. Commercial off-the-shelf (COTS) combo chipsets that support two
wireless standards (for example WiFi and Bluetooth) over a shared dual-band
antenna such as those found in laptops, adapters, wireless chargers, Raspberry
Pis, among others are becoming ubiquitous in the IoT realm. Hence, to keep up
with the modern IoT environment, there is a pressing need for real-world open
datasets capturing emissions from these combo chipsets transmitting
heterogeneous communication protocols. To this end, we capture the first known
emissions from the COTS IoT chipsets transmitting WiFi and Bluetooth under two
different time frames. The different time frames are essential to rigorously
evaluate the generalization capability of the models. To ensure widespread use,
each capture within the comprehensive 72 GB dataset is long enough (40
MSamples) to support diverse input tensor lengths and formats. Finally, the
dataset also comprises emissions at varying signal powers to account for the
feeble to high signal strength emissions as encountered in a real-world
setting.
- Abstract（参考訳）: RFフィンガープリンティングは、RFスペクトルを共有する不正または/または不正なエミッタを特定する物理層セキュリティスキームとして登場している。
しかし、一般にアクセス可能な実世界のデータセットがないため、ほとんどの研究は、実用的な配置設定には適さないsoftware-defined radios (sdr) による合成波形の生成に焦点を当てている。
一方、利用可能な限られたデータセットは、1種類の波形のみを生成するチップセットにのみフォーカスする。
ラップトップやアダプタ、ワイヤレス充電器、raspberry piなど、共通のデュアルバンドアンテナ上で2つのワイヤレス標準(例えばwifiとbluetooth)をサポートする商用オフ・ザ・棚(cots)コンボチップセットが、iotの世界においてユビキタスになってきている。
したがって、現代的なIoT環境に追従するため、異種通信プロトコルを伝達するこれらのコンボチップセットからの排出をキャプチャする、現実世界のオープンデータセットの必要性が高まっている。
この目的のために、我々は2つの異なる時間枠でWiFiとBluetoothを伝送するCOTS IoTチップセットからの既知の最初の排出をキャプチャした。
異なる時間枠はモデルの一般化能力を厳格に評価するために不可欠である。
広く使用するために、72GBデータセット内の各キャプチャは、多様な入力テンソルの長さとフォーマットをサポートするのに十分な長さ(40MSamples)である。
最後に、データセットは、現実世界の設定で遭遇した高信号強度の損失を考慮し、様々な信号パワーでの排出も含んでいる。
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) - Online Data Selection for Federated Learning with Limited Storage [53.46789303416799]
ネットワークデバイス間での分散機械学習を実現するために、フェデレートラーニング(FL)が提案されている。
デバイス上のストレージがFLの性能に与える影響はまだ調査されていない。
本研究では,デバイス上のストレージを限定したFLのオンラインデータ選択について検討する。
論文 参考訳（メタデータ） (2022-09-01T03:27:33Z) - 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) - DeepCSI: Rethinking Wi-Fi Radio Fingerprinting Through MU-MIMO CSI
Feedback Deep Learning [15.160442408342407]
DeepCSIは、MU-MIMO Wi-Fiデバイスを認証するWi-Fi無線指紋認証の新しいアプローチだ。
市販機器を用いた大規模データ収集キャンペーンを通じて,DeepCSIの性能を広範囲に評価した。
実験結果から、DeepCSIは98%の精度で送信機を正確に識別することがわかった。
論文 参考訳（メタデータ） (2022-04-15T18:59:29Z) - 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) - 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) - A Comprehensive Survey on Radio Frequency (RF) Fingerprinting:
Traditional Approaches, Deep Learning, and Open Challenges [1.5469452301122175]
破壊的なアプリケーションをサポートするために、IoT(Internet of Things)の大規模なロールアウトが想定されている。
大量のワイヤレスデバイスが、前例のない脅威面を露出する。
RFフィンガープリントは暗号やゼロトラストのセキュリティ対策と組み合わせることができる候補技術として推奨されている。
論文 参考訳（メタデータ） (2022-01-03T14:42:53Z) - Spectro-Temporal RF Identification using Deep Learning [3.8137985834223507]
WRISTは、分光時間検出、フレームワーク、システムを備えた広帯域リアルタイムRF識別システムである。
得られたディープラーニングモデルは、時間と周波数のRF放射を検出し、分類し、正確に検出することができる。
WRIST検出器は、野生の非常に密集した環境でも平均的な平均精度が90に達する。
論文 参考訳（メタデータ） (2021-07-11T19:02:07Z) - Federated Learning with Downlink Device Selection [92.14944020945846]
我々は,無線ネットワークのエッジにおいて,プライバシーに敏感なデータを用いてグローバルモデルを協調訓練するフェデレーションエッジ学習について検討した。
パラメータサーバ(PS)は、グローバルモデルを追跡し、無線エッジデバイスと共有して、プライベートローカルデータを使用したトレーニングを行う。
デバイス選択は、PSがデバイスとグローバルモデルを共有するダウンリンクチャネルに基づいて検討する。
論文 参考訳（メタデータ） (2021-07-07T22:42:39Z) - A Photonic-Circuits-Inspired Compact Network: Toward Real-Time Wireless
Signal Classification at the Edge [3.841495731646297]
大規模な機械学習モデルでは、レイテンシに敏感な下流タスクのためにエッジデバイス上で実装することが難しくなる可能性がある。
無線通信システムでは、ミリ秒以下のスケールでのMLデータ処理により、リアルタイムなネットワーク監視が可能となる。
本稿では,フォトニック・ハードウエアにインスパイアされたリカレントニューラルネットワークモデルからなる,コンパクトなディープ・ネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-25T19:55:41Z) - Convergence of Update Aware Device Scheduling for Federated Learning at
the Wireless Edge [84.55126371346452]
遠隔パラメータサーバ(PS)の助けを借りて、ローカルデータセットを持つパワー制限デバイスが共同でジョイントモデルを訓練する無線エッジにおけるフェデレーション学習について研究する。
各ラウンドで送信するデバイスのサブセットを決定する新しいスケジューリングとリソース割り当てポリシーを設計する。
数値実験の結果,提案したスケジューリングポリシーは,チャネル条件と局所モデル更新の重要性の両方に基づいており,両者の指標のみに基づくスケジューリングポリシーよりも長期的性能がよいことがわかった。
論文 参考訳（メタデータ） (2020-01-28T15:15:22Z)
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。