論文の概要: On the Reliability of Radio Frequency Fingerprinting

• arxiv url: http://arxiv.org/abs/2408.09179v1
• Date: Sat, 17 Aug 2024 12:06:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 22:01:27.355533
• Title: On the Reliability of Radio Frequency Fingerprinting
• Title（参考訳）: 高周波フィンガープリントの信頼性について
• Authors: Muhammad Irfan, Savio Sciancalepore, Gabriele Oligeri,
• Abstract要約: RFF(Radio Frequency Fingerprinting)は、RF放射に基づいて物理層(PHY)のデバイスを識別するユニークな方法を提供する。 我々は,新しいFPGA画像が再ロードされるたびに,SDRが新しい通信を開始すると,指紋の突然変異が現れることを示す。
• 参考スコア（独自算出の注目度）: 5.074726108522963
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Radio Frequency Fingerprinting (RFF) offers a unique method for identifying devices at the physical (PHY) layer based on their RF emissions due to intrinsic hardware differences. Nevertheless, RFF techniques depend on the ability to extract information from the PHY layer of the radio spectrum by resorting to Software Defined Radios (SDR). Previous works have highlighted the so-called ``Day-After-Tomorrow'' effect, i.e., an intrinsic issue of SDRs leading to a fingerprint mutation following a radio power cycle. In this work, we extend such a study by demonstrating that fingerprint mutations appear every time a new FPGA image is reloaded, i.e., when the SDR initiates a new communication. In this context, we provide an in-depth analysis of the reliability of RFF over multiple FPGA image reloading operations, highlighting its ephemeral and mutational nature. We introduce a methodology for abstracting fingerprint mutations into a graph and provide a theoretical framework for assessing fingerprint reliability. Our results show that the common assumption of considering the RF fingerprint as unique and always persistent is incorrect. By combining real-world measurements, high-performance SDRs, and state-of-the-art deep learning techniques, we experimentally demonstrate that radio devices feature multiple fingerprints that can be clustered according to shared features. Moreover, we show that the RF fingerprint is a time-independent probabilistic phenomenon, which requires the collection of multiple samples to achieve the necessary reliability.
• Abstract（参考訳）: RFF(Radio Frequency Fingerprinting)は、固有のハードウェアの違いによるRF放射に基づいて物理層(PHY)のデバイスを識別するユニークな方法を提供する。 しかしながら、RFF技術は、Software Defined Radios (SDR) を利用して、電波スペクトルのPHY層から情報を抽出する能力に依存している。 これまでの研究では、いわゆる ‘Day-After-Tomorrow' 効果、すなわち、SDRの本質的な問題が、無線電力サイクルの後に指紋の突然変異を引き起こすことを強調してきた。 本研究では,新しいFPGA画像が再ロードされるたびに,SDRが新しい通信を開始するたびに,指紋の突然変異が現れることを示すことによって,そのような研究を拡張した。 この文脈では、複数のFPGA画像再ロード操作に対するRFFの信頼性を詳細に分析し、その短命性と突然変異の性質を強調する。 本稿では, 指紋の突然変異をグラフに抽象化する手法を導入し, 指紋の信頼性を評価する理論的枠組みを提供する。 この結果から,RF指紋を一意かつ常に持続的とみなすという一般的な仮定は誤りであることが示唆された。 実世界の計測、高性能SDR、最先端のディープラーニング技術を組み合わせることで、無線デバイスは共有機能に応じてクラスタリング可能な複数の指紋を特徴付けることを実験的に実証した。 さらに、RF指紋は時間に依存しない確率的現象であり、必要な信頼性を達成するためには複数のサンプルの収集が必要であることを示す。

関連論文リスト

• Coarse-to-Fine Proposal Refinement Framework for Audio Temporal Forgery Detection and Localization [60.899082019130766]
  本稿では、フレームレベル検出ネットワーク(FDN)と、音声の時間的偽造検出とローカライゼーションのための改良ネットワーク(PRN)を提案する。 FDNは、偽のフレーム間で情報的不整合の手がかりを抽出し、偽の領域を大まかに示すのに有用な識別的特徴を得る。 PRNは、FDNから派生した粗粒度の提案を洗練するために、信頼スコアと回帰オフセットを予測する責任がある。
  論文  参考訳（メタデータ） (2024-07-23T15:07:52Z)
• Fourier-enhanced Implicit Neural Fusion Network for Multispectral and Hyperspectral Image Fusion [12.935592400092712]
  Inlicit Neural representations (INR) は様々な視覚関連領域において大きな進歩を遂げている。 INRは高周波情報を失う傾向があり、世界的な知覚能力の欠如に制限されている。 本稿では,MHIFタスク用に設計されたFourier-enhanced Implicit Neural Fusion Network (FeINFN)を紹介する。
  論文  参考訳（メタデータ） (2024-04-23T16:14:20Z)
• Enhancing Fingerprint Image Synthesis with GANs, Diffusion Models, and Style Transfer Techniques [0.44739156031315924]
  我々は様々な方法でノイズからライブ指紋を生成し、画像翻訳技術を用いてライブ指紋画像をスプーフに変換する。 我々はFr'echet Inception Distance (FID) とFalse Acceptance Rate (FAR) によって生成されたライブ指紋画像の多様性と現実性を評価する。
  論文  参考訳（メタデータ） (2024-03-20T18:36:30Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Unsupervised Contrastive Learning for Robust RF Device Fingerprinting Under Time-Domain Shift [12.443489826220183]
  RF(Radio Frequency)デバイス指紋認証は、無線デバイスの自動識別と分類の潜在的な技術として認識されている。 チャネルの状態や環境設定の変化から生じる可能性のあるドメインシフトのために、これは大きな課題に直面します。 本稿では,この領域シフト問題を緩和するために,コントラスト学習を活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-03-06T20:33:55Z)
• Denoising Diffusion Models for Plug-and-Play Image Restoration [135.6359475784627]
  本稿では,従来のプラグアンドプレイ方式を拡散サンプリングフレームワークに統合したDiffPIRを提案する。 DiffPIRは、差別的なガウスのデノイザーに依存するプラグアンドプレイIR法と比較して、拡散モデルの生成能力を継承することが期待されている。
  論文  参考訳（メタデータ） (2023-05-15T20:24:38Z)
• Federated Radio Frequency Fingerprinting with Model Transfer and Adaptation [26.646820912136416]
  本稿では,モデル転送と適応という新しい手法を用いたRFフィンガープリントアルゴリズムを提案する。 提案アルゴリズムは、RFフィンガープリントに畳み込み層間の密接な接続を導入し、学習精度を高め、モデルの複雑さを低減する。 現状のRFフィンガープリンティングアルゴリズムと比較して,提案アルゴリズムは最大15%の性能向上で予測性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-02-22T14:55:30Z)
• RF Fingerprinting Needs Attention: Multi-task Approach for Real-World WiFi and Bluetooth [1.0312968200748116]
  ドメイン横断型マルチタスクアーキテクチャであるxDomが本研究で紹介されている。 我々は、リッチなマルチパスおよび避けられない干渉環境において、実世界のIoT WiFiおよびBluetooth(BT)エミッションを利用する。 シングルタスクWiFiおよびBTフィンガープリントにおいて,最大59.3%,4.91倍の性能向上を報告した。
  論文  参考訳（メタデータ） (2022-09-07T13:38:06Z)
• Spatial-Temporal Frequency Forgery Clue for Video Forgery Detection in VIS and NIR Scenario [87.72258480670627]
  既存の周波数領域に基づく顔偽造検出手法では、GAN鍛造画像は、実際の画像と比較して、周波数スペクトルに明らかな格子状の視覚的アーチファクトを持つ。 本稿では,コサイン変換に基づくフォージェリークリュー拡張ネットワーク(FCAN-DCT)を提案し,より包括的な時空間特徴表現を実現する。
  論文  参考訳（メタデータ） (2022-07-05T09:27:53Z)
• Deep Frequency Filtering for Domain Generalization [55.66498461438285]
  Deep Neural Networks(DNN)は、学習プロセスにおいて、いくつかの周波数成分を優先する。 本稿では、ドメイン一般化可能な特徴を学習するためのDeep Frequency Filtering (DFF)を提案する。 提案したDFFをベースラインに適用すると,ドメインの一般化タスクにおける最先端の手法よりも優れることを示す。
  論文  参考訳（メタデータ） (2022-03-23T05:19:06Z)
• A Generalizable Model-and-Data Driven Approach for Open-Set RFF Authentication [74.63333951647581]
  高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。 RFF抽出と識別のために機械学習に基づく手法が提案されている。 生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:59:37Z)

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。