論文の概要: ProLoc: Robust Location Proofs in Hindsight
- arxiv url: http://arxiv.org/abs/2404.04297v1
- Date: Thu, 4 Apr 2024 19:34:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 23:37:10.681508
- Title: ProLoc: Robust Location Proofs in Hindsight
- Title（参考訳）: ProLoc:ロバストなロバストな位置情報証明
- Authors: Roberta De Viti, Pierfrancesco Ingo, Isaac Sheff, Peter Druschel, Deepak Garg,
- Abstract要約: 多くのオンラインサービスは、スマートフォンのようなユーザーデバイスの自己申告された場所に依存している。
自己申告箇所の被害を軽減するため,文献は位置証明サービス (LPSs) を提案している。
本稿では,2つの方法で先行作業を拡張する新しいLPSであるProLocについて述べる。
- 参考スコア（独自算出の注目度）: 2.0449966410147624
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many online services rely on self-reported locations of user devices like smartphones. To mitigate harm from falsified self-reported locations, the literature has proposed location proof services (LPSs), which provide proof of a device's location by corroborating its self-reported location using short-range radio contacts with either trusted infrastructure or nearby devices that also report their locations. This paper presents ProLoc, a new LPS that extends prior work in two ways. First, ProLoc relaxes prior work's proofs that a device was at a given location to proofs that a device was within distance "d" of a given location. We argue that these weaker proofs, which we call "region proofs", are important because (i) region proofs can be constructed with few requirements on device reporting behavior as opposed to precise location proofs, and (ii) a quantitative bound on a device's distance from a known epicenter is useful for many applications. For example, in the context of citizen reporting near an unexpected event (earthquake, violent protest, etc.), knowing the verified distances of the reporting devices from the event's epicenter would be valuable for ranking the reports by relevance or flagging fake reports. Second, ProLoc includes a novel mechanism to prevent collusion attacks where a set of attacker-controlled devices corroborate each others' false locations. Ours is the first mechanism that does not need additional infrastructure to handle attacks with made-up devices, which an attacker can create in any number at any location without any cost. For this, we rely on a variant of TrustRank applied to the self-reported trajectories and encounters of devices. Our goal is to prevent retroactive attacks where the adversary cannot predict ahead of time which fake location it will want to report, which is the case for the reporting of unexpected events.
- Abstract（参考訳）: 多くのオンラインサービスは、スマートフォンのようなユーザーデバイスの自己申告された場所に依存している。
文献は、偽装された自己申告された場所の被害を軽減するために、信頼されたインフラまたはその周辺機器との短距離無線接触を用いて、その位置を報告し、その位置を裏付ける位置証明サービス(LPSs)を提案している。
本稿では,2つの方法で先行作業を拡張する新しいLPSであるProLocについて述べる。
第一に、ProLocは、あるデバイスが所定の場所にあるという以前の作業の証明を緩和し、あるデバイスが特定の場所の「d」の範囲内にあることを証明する。
私たちが「地域証明」と呼ぶこれらのより弱い証明は重要であると我々は主張する。
一 正確な位置証明とは対照的に、デバイス報告行動に関する要件がほとんどない領域証明を構築することができる。
(II) 既知の震源からの距離の定量的な境界は、多くの応用に有用である。
例えば、予期せぬ出来事(地震、暴力的抗議など)の近くで市民の報告の文脈では、事件の震源から報告装置の確認された距離が、偽の報告の関連性やフラグ付けによって報告をランク付けするのに有用である。
第二に、ProLocは、攻撃者が制御する一連のデバイスが互いに偽の場所を腐食するコラシオン攻撃を防止するための、新しいメカニズムを含んでいる。
攻撃者はどんな場所でも、何のコストもかからず、どんな場所でも攻撃を発生させることができる。
このため、私たちはTrustRankの変種を、自己報告されたトラジェクトリやデバイスの遭遇に応用しています。
我々の目標は、敵がどの偽の場所を報告したいかを事前に予測できないレトロアクティブ攻撃を防ぐことであり、これは予期せぬ出来事の報告である。
関連論文リスト
- Learning 3D Perception from Others' Predictions [64.09115694891679]
本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。
例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
論文 参考訳（メタデータ） (2024-10-03T16:31:28Z) - Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。
我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
論文 参考訳（メタデータ） (2024-06-30T04:21:46Z) - Exorcising ''Wraith'': Protecting LiDAR-based Object Detector in
Automated Driving System from Appearing Attacks [20.38692153553779]
自動駆動システムは、LiDAR点雲から可能な障害物を認識するために、3Dオブジェクト検出器に依存している。
近年の研究では、偽のポイント数点の予測結果において、敵が存在していない車を偽造できることが示されている。
そこで本研究では,LiDARをベースとしたオブジェクト検出装置を並列に動作させる,新しいプラグ・アンド・プレイディフェンスモジュールを提案する。
論文 参考訳（メタデータ） (2023-03-17T02:20:47Z) - Privacy-Protecting COVID-19 Exposure Notification Based on Cluster
Events [4.264192013842096]
本報告では,クラスタイベントにおけるコンパレンスに基づいた,新型コロナウイルス感染の露光通知のための簡易システム設計の概略を概説する。
DP3T や Apple-Google の露出通知システムのような他の設計とは異なり、この設計は TP 個人に直接近接する検出に基づいて、追跡や通知を行わない。
このデザインは、新型コロナウイルス(COVID-19)の既存のまたは開発中のテストを利用しており、比較的安価で、1時間以内に返品される。
論文 参考訳（メタデータ） (2021-12-31T19:14:10Z) - Analysis of geospatial behaviour of visitors of urban gardens: is
positioning via smartphones a valid solution? [0.0]
本研究では,スマートフォンで直接記録された位置が,都市庭園における人々の行動の空間的分析に有効な解である,という仮説を検証した。
i)参照トラックに対する位置の精度の評価、(ii)位置情報の送信と処理を自動化するフレームワークの実装、(iii)空間分析による所望スポットの分析の3つの部分について報告する。
論文 参考訳（メタデータ） (2021-06-20T08:32:05Z) - CAN-LOC: Spoofing Detection and Physical Intrusion Localization on an
In-Vehicle CAN Bus Based on Deep Features of Voltage Signals [48.813942331065206]
車両内ネットワークのためのセキュリティ強化システムを提案する。
提案システムは,CANバスで測定した電圧信号から抽出した深い特徴を処理する2つの機構を含む。
論文 参考訳（メタデータ） (2021-06-15T06:12:33Z) - Zero-Shot Multi-View Indoor Localization via Graph Location Networks [66.05980368549928]
屋内ローカライゼーションは、位置ベースアプリケーションにおける基本的な問題である。
本稿では,インフラストラクチャフリーで多視点画像に基づく屋内ローカライゼーションを実現するために,新しいニューラルネットワークアーキテクチャであるGraph Location Networks(GLN)を提案する。
GLNは、メッセージパッシングネットワークを通じて画像から抽出されたロバストな位置表現に基づいて位置予測を行う。
新たにゼロショット屋内ローカライズ設定を導入し,提案したGLNを専用ゼロショットバージョンに拡張することで,その課題に対処する。
論文 参考訳（メタデータ） (2020-08-06T07:36:55Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z) - Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。
システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
論文 参考訳（メタデータ） (2020-05-25T12:32:02Z)
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。