論文の概要: Swipe2Pair: Secure and Fast In-Band Wireless Device Pairing
- arxiv url: http://arxiv.org/abs/2405.03045v1
- Date: Sun, 5 May 2024 20:12:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-07 15:24:13.331632
- Title: Swipe2Pair: Secure and Fast In-Band Wireless Device Pairing
- Title（参考訳）: Swipe2Pair:セキュアで高速なバンド内ワイヤレスペアリング
- Authors: Yaqi He, Kai Zeng, Long Jiao, Brian L. Mark, Khaled N. Khasawneh,
- Abstract要約: ワイヤレスデバイスペアリングは、2つのデバイス間のセキュアな通信を、事前に共有された秘密なしでブートストラップする重要なセキュリティメカニズムである。
本稿では、ペアリング装置の近接と無線伝送電力のランダム化に基づく、使い易い相互認証装置ペアリング方式Swipe2Pairを提案する。
- 参考スコア（独自算出の注目度）: 12.313408934512406
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Wireless device pairing is a critical security mechanism to bootstrap the secure communication between two devices without a pre-shared secret. It has been widely used in many Internet of Things (IoT) applications, such as smart-home and smart-health. Most existing device pairing mechanisms are based on out-of-band channels, e.g., extra sensors or hardware, to validate the proximity of pairing devices. However, out-of-band channels are not universal across all wireless devices, so such a scheme is limited to certain application scenarios or conditions. On the other hand, in-band channel-based device pairing seeks universal applicability by only relying on wireless interfaces. Existing in-band channel-based pairing schemes either require multiple antennas separated by a good distance on one pairing device, which is not feasible in certain scenarios, or require users to repeat multiple sweeps, which is not optimal in terms of usability. Therefore, an in-band wireless device pairing scheme providing high security while maintaining high usability (simple pairing process and minimal user intervention) is highly desired. In this work, we propose an easy-to-use mutual authentication device pairing scheme, named Swipe2Pair, based on the proximity of pairing devices and randomization of wireless transmission power. We conduct extensive security analysis and collect considerable experimental data under various settings across different environments. Experimental results show that Swipe2Pair achieves high security and usability. It only takes less than one second to complete the pairing process with a simple swipe of one device in front of the other.
- Abstract（参考訳）: ワイヤレスデバイスペアリングは、2つのデバイス間のセキュアな通信を、事前に共有された秘密なしでブートストラップする重要なセキュリティメカニズムである。
スマートホームやスマートヘルスなど、多くのモノのインターネット(IoT)アプリケーションで広く使用されている。
ほとんどの既存のデバイスペアリングメカニズムは、ペアリングデバイスの近接性を検証するために、帯域外チャネル(例えば、追加のセンサーやハードウェア)に基づいている。
しかし、帯域外チャネルはすべての無線デバイスで普遍的ではないため、そのようなスキームは特定のアプリケーションシナリオや条件に限られる。
一方、帯域内チャネルベースのデバイスペアリングは、無線インターフェースのみに依存することにより、普遍的な適用性を求める。
既存の帯域内チャネルベースのペアリング方式では、特定のシナリオでは実現不可能な1つのペアリングデバイス上で、良好な距離で分離された複数のアンテナを必要とするか、ユーザビリティの観点からは最適ではない複数のスイープを繰り返す必要がある。
したがって、高いユーザビリティを維持しつつ高いセキュリティ(単純なペアリングプロセスと最小限のユーザ介入)を提供する帯域内無線デバイスペアリング方式が望まれる。
本研究では、ペアリング装置の近接と無線伝送電力のランダム化に基づく、使い易い相互認証装置ペアリング方式Swipe2Pairを提案する。
我々は、広範囲にわたるセキュリティ分析を行い、様々な環境下でかなりの実験データを収集する。
実験の結果,Swipe2Pairは高いセキュリティとユーザビリティを実現することがわかった。
ペアリングを完了させるのに1秒もかからないが、片方のデバイスを片方のデバイスの前にスワイプするだけでよい。
関連論文リスト
- Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。
抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。
本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
論文 参考訳（メタデータ） (2024-10-25T18:11:02Z) - T2Pair++: Secure and Usable IoT Pairing with Zero Information Loss [9.680415326163823]
我々は、慣性センサーを必要とせずに、IoTデバイスがユーザの物理的操作を検知できるようにする、Universal Operation Sensingと呼ばれる新しい技術を紹介した。
この技術により、ユーザーはボタンを押したり、ノブをねじったりといった単純なアクションを使って、数秒でペアリングプロセスを完了することができる。
ファジィコミットメントを使わず,情報損失をゼロにする,正確なペアリングプロトコルを提案する。
論文 参考訳（メタデータ） (2024-09-25T00:41:02Z) - Novel_Authentication_Protocols_Tailored_for_Ambient_IoT_Devices_in_3GPP_5G_Networks [11.156335507344979]
AIoTデバイスは、低コスト、デプロイが容易、メンテナンス不要な操作などの機能を提供する。
既存のセキュリティメカニズムは、AIoTデバイス用に特別に設計されていない。
各種技術とアルゴリズムに基づく超軽量アクセス認証プロトコルを提案する。
論文 参考訳（メタデータ） (2024-04-03T03:33:14Z) - Bluetooth and WiFi Dataset for Real World RF Fingerprinting of
Commercial Devices [3.4836961035265217]
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。
論文 参考訳（メタデータ） (2023-03-15T13:32:11Z) - Internet of Things: Digital Footprints Carry A Device Identity [0.0]
デバイスフィンガープリント(DFP)モデルは、IoT(Internet of Things)と非IoTデバイスを区別することができる。
連続する5つのデバイス認証パケットから4つの統計的特徴を抽出し、個々のデバイス指紋を生成する。
論文 参考訳（メタデータ） (2023-01-01T02:18:02Z) - 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) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - Immediate Proximity Detection Using Wi-Fi-Enabled Smartphones [1.3706331473063877]
本稿では,2つのWi-Fi対応デバイスが物理的に近接しているかどうかを検知する新しい手法を提案する。
我々の目標は、スマートフォンによる露出通知と接触追跡システムの精度を高めることである。
論文 参考訳（メタデータ） (2021-06-05T02:17:01Z) - Decoupled and Memory-Reinforced Networks: Towards Effective Feature
Learning for One-Step Person Search [65.51181219410763]
歩行者検出と識別サブタスクを1つのネットワークで処理するワンステップ方式を開発しました。
現在のワンステップアプローチには2つの大きな課題があります。
本稿では,これらの問題を解決するために,分離メモリ強化ネットワーク(DMRNet)を提案する。
論文 参考訳（メタデータ） (2021-02-22T06:19:45Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z) - Harnessing Wireless Channels for Scalable and Privacy-Preserving
Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である
Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。
A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。
これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文 参考訳（メタデータ） (2020-07-03T16:31:15Z)
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。