論文の概要: Eavesdropping Mobile Apps and Actions through Wireless Traffic in the Open World
- arxiv url: http://arxiv.org/abs/2408.07263v1
- Date: Wed, 14 Aug 2024 03:03:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-15 14:25:39.998913
- Title: Eavesdropping Mobile Apps and Actions through Wireless Traffic in the Open World
- Title（参考訳）: オープンワールドにおけるワイヤレストラフィックによるモバイルアプリとアクションの盗聴
- Authors: Xiaoguang Yang, Yong Huang, Junli Guo, Dalong Zhang, Qingxian Wang,
- Abstract要約: 既存のトラフィック分析攻撃は主にTCP/IP層をターゲットにしているか、あるいはクローズドワールドの仮定に限定されている。
オープンワールド環境におけるWiFi MAC層トラフィックに基づいて,モバイルアプリとアプリ内アクションを推論する新しいシステムMACPrintを提案する。
実験の結果,MAC-Printはクローズドワールド設定におけるアプリや動作の認識において96%以上の精度を達成でき,オープンワールド設定では86%以上の精度が得られることがわかった。
- 参考スコア（独自算出の注目度）: 4.055413037442821
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While smartphones and WiFi networks are bringing many positive changes to people's lives, they are susceptible to traffic analysis attacks, which infer user's private information from encrypted traffic. Existing traffic analysis attacks mainly target TCP/IP layers or are limited to the closed-world assumption, where all possible apps and actions have been involved in the model training. To overcome these limitations, we propose MACPrint, a novel system that infers mobile apps and in-app actions based on WiFi MAC layer traffic in the open-world setting. MACPrint first extracts rich statistical and contextual features of encrypted wireless traffic. Then, we develop Label Recorder, an automatic traffic labeling app, to improve labeling accuracy in the training phase. Finally, TCN models with OpenMax functions are used to recognize mobile apps and actions in the open world accurately. To evaluate our system, we collect MAC layer traffic data over 125 hours from more than 40 apps. The experimental results show that MAC-Print can achieve an accuracy of over 96% for recognizing apps and actions in the closed-world setting, and obtains an accuracy of over 86% in the open-world setting.
- Abstract（参考訳）: スマートフォンとWiFiネットワークは、人々の生活に多くのポジティブな変化をもたらしているが、それらは、暗号化されたトラフィックからユーザーの個人情報を推測するトラフィック分析攻撃の影響を受けやすい。
既存のトラフィック分析攻撃は主にTCP/IP層をターゲットにしているか、あるいはすべての可能なアプリやアクションがモデルトレーニングに関与しているクローズドワールドの仮定に限定されている。
これらの制限を克服するために,オープンワールド環境におけるWiFi MAC層トラフィックに基づいてモバイルアプリとアプリ内アクションを推論するMACPrintを提案する。
MACPrintはまず、暗号化された無線トラフィックのリッチな統計的特徴とコンテキスト的特徴を抽出する。
次に,自動ラベリングアプリであるラベルレコーダを開発し,トレーニングフェーズにおけるラベリング精度を向上させる。
最後に、OpenMax関数を備えたTCLモデルは、オープン世界のモバイルアプリとアクションを正確に認識するために使用される。
システムを評価するために,40以上のアプリから125時間以上のMAC層トラフィックデータを収集した。
実験の結果,MAC-Printはクローズドワールド設定におけるアプリや動作の認識において96%以上の精度を達成でき,オープンワールド設定では86%以上の精度が得られることがわかった。
関連論文リスト
- AutoGLM: Autonomous Foundation Agents for GUIs [51.276965515952]
我々は、グラフィカルユーザインタフェース(GUI)を介してデジタルデバイスを自律的に制御するための基礎エージェントとして設計された、ChatGLMファミリーの新しいシリーズであるAutoGLMを紹介する。
実世界のGUIインタラクションのための実践的基礎エージェントシステムとしてAutoGLMを開発した。
評価では、AutoGLMが複数のドメインにまたがって有効であることを示す。
論文 参考訳（メタデータ） (2024-10-28T17:05:10Z) - Lightweight Neural App Control [42.820784178464656]
本稿では,様々なAndroidアプリ間での効率的なインタラクションとコントロールを実現するために,新しい携帯電話制御アーキテクチャである「アプリエージェント」を紹介した。
提案された軽量マルチモーダルアプリ制御(LiMAC)は、スクリーンショットや対応するUIツリーなどの過去のモバイル観測のテキスト目標とシーケンスを入力として、正確なアクションを生成する。
論文 参考訳（メタデータ） (2024-10-23T13:57:00Z) - What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
本稿では、無線アクセスネットワーク(RAN)によって異なるアプリが実装された場合、キーパフォーマンス指標(KPI)の値を推定する「What-if」問題に対処する。
本稿では,推定値に対して信頼度の高い「エラーバー」を提供する無線システムに対する共形予測に基づく対実解析手法を提案する。
論文 参考訳（メタデータ） (2024-09-30T18:47:26Z) - CamLoPA: A Hidden Wireless Camera Localization Framework via Signal Propagation Path Analysis [59.86280992504629]
CamLoPAは、トレーニング不要の無線カメラ検出およびローカライゼーションフレームワークである。
低コストの商用オフ・ザ・シェルフ(COTS)デバイスを使用して、最小限の活動空間制約で運用する。
95.37%のスヌーピングカメラ検出精度と17.23の平均位置誤差を達成する。
論文 参考訳（メタデータ） (2024-09-23T16:23:50Z) - Characterizing Encrypted Application Traffic through Cellular Radio Interface Protocol [2.199918533021483]
5G無線通信が,ユーザのアプリケーションをリアルタイムに正確に推測するためのサイドチャネルとなることを示す。
オンラインショッピング、音声/ビデオ会議、ビデオストリーミング、Over-The-Top(OTT)メディアプラットフォームという4つの異なるカテゴリのアプリケーションについて検討する。
論文 参考訳（メタデータ） (2024-07-10T04:39:56Z) - Autosen: improving automatic wifi human sensing through cross-modal
autoencoder [56.44764266426344]
WiFiによる人間のセンシングは、人間の活動を認識する上での低コストでプライバシー上の利点として高く評価されている。
ラベル付きデータなしで自己教師付き学習を可能にすることを目的とした従来のクロスモーダル手法は、振幅-位相の組み合わせから意味のある特徴を抽出するのに苦労する。
我々は、従来のアプローチから外れた革新的な自動WiFiセンシングソリューションであるAutoSenを紹介する。
論文 参考訳（メタデータ） (2024-01-08T19:50:02Z) - Magmaw: Modality-Agnostic Adversarial Attacks on Machine Learning-Based Wireless Communication Systems [21.878711118514342]
Magmawは、無線チャネルを介して送信される任意のマルチモーダル信号に対して、普遍的な逆方向の摂動を発生させる新しい無線攻撃手法である。
我々は,マグモが強力な防御機構が存在する場合でも,優れた性能低下を引き起こすことを示した。
論文 参考訳（メタデータ） (2023-11-01T00:33:59Z) - Deep Learning for Encrypted Traffic Classification and Unknown Data
Detection [13.36152072056685]
新しいDeep Neural Networkベースのユーザアクティビティ検出フレームワークを提案し、モバイルアプリケーション上で実行されるきめ細かいユーザアクティビティを識別する。
提案フレームワークは時間ウィンドウに基づく手法を用いて,アクティビティのトラフィックフローをセグメントに分割する。
論文 参考訳（メタデータ） (2022-03-25T10:55:18Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z) - 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)
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。