Fugu-MT 論文翻訳(概要): Scalable and Robust Mobile Activity Fingerprinting via Over-the-Air Control Channel in 5G Networks

論文の概要: Scalable and Robust Mobile Activity Fingerprinting via Over-the-Air Control Channel in 5G Networks

arxiv url: http://arxiv.org/abs/2409.12572v1
Date: Thu, 19 Sep 2024 08:49:40 GMT
ステータス: 処理完了
システム内更新日: 2024-11-07 14:19:13.556723
Title: Scalable and Robust Mobile Activity Fingerprinting via Over-the-Air Control Channel in 5G Networks
Title（参考訳）: 5Gネットワークにおけるオーバー・ザ・エア制御チャネルによるスケーラブルかつロバストな移動型フィンガープリント
Authors: Gunwoo Yoon, Byeongdo Hong,
Abstract要約: 物理的ダウンリンク制御チャネル(PDCCH)メッセージの10%未満は、スニファーを用いて復号化可能であることを示す。このプライバシー攻撃は、アクティブな通信チャネルの数を明らかにし、モバイルアプリケーションとその使用時間を明らかにする。本稿では,手動による特徴抽出を不要とした,効率的なディープラーニングに基づくモバイルトラフィック分類手法を提案する。
参考スコア（独自算出の注目度）: 0.15346678870160887
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: 5G has undergone significant changes in its over-the-air control channel architecture compared to legacy networks, aimed at enhancing performance. These changes have unintentionally strengthened the security of control channels, reducing vulnerabilities in radio channels for attackers. However, based on our experimental results, less than 10% of Physical Downlink Control Channel (PDCCH) messages could be decoded using sniffers. We demonstrate that even with this limited data, cell scanning and targeted user mobile activity tracking are feasible. This privacy attack exposes the number of active communication channels and reveals the mobile applications and their usage time. We propose an efficient deep learning-based mobile traffic classification method that eliminates the need for manual feature extraction, enabling scalability across various applications while maintaining high performance even in scenarios with data loss. We evaluated the effectiveness of our approach using both an open-source testbed and a commercial 5G testbed, demonstrating the feasibility of mobile activity fingerprinting and targeted attacks. To the best of our knowledge, this is the first study to track mobile activity over-the-air using PDCCH messages.
Abstract（参考訳）: 5Gは、パフォーマンス向上を目的としたレガシーネットワークと比較して、オーバー・ザ・エアの制御チャネルアーキテクチャに大きな変化を経験している。これらの変更は意図せずコントロールチャネルのセキュリティを強化し、攻撃者の無線チャネルの脆弱性を減らした。しかし, 実験結果から, 物理ダウンリンク制御チャネル (PDCCH) メッセージの10%未満をスニファーを用いて復号化することができた。この制限されたデータであっても、セルスキャンとターゲットとするモバイルアクティビティトラッキングが実現可能であることを実証する。このプライバシー攻撃は、アクティブな通信チャネルの数を明らかにし、モバイルアプリケーションとその使用時間を明らかにする。本稿では,データ損失のあるシナリオにおいても高い性能を維持しつつ,様々なアプリケーションにまたがるスケーラビリティを実現し,手動による特徴抽出の必要性を解消する,効率的なディープラーニングベースのモバイルトラフィック分類手法を提案する。提案手法の有効性を,オープンソーステストベッドと商用5Gテストベッドの両方を用いて評価し,モバイル・アクティビティ・フィンガープリントとターゲット・アタックの有効性を実証した。私たちの知る限りでは、PDCCHメッセージを使ってモバイルのアクティビティをオンザエアで追跡する最初の研究である。

関連論文リスト

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)
Distilling Channels for Efficient Deep Tracking [68.13422829310835]
本稿では,ディープトラッカーを容易にするための新しいチャネル蒸留法を提案する。統合的な定式化は,特徴圧縮,応答マップ生成,モデル更新を統一エネルギー最小化問題に変換することができることを示す。その結果、ディープトラッカーは正確で高速で、メモリ要求が低い。
論文参考訳（メタデータ） (2024-09-18T08:09:20Z)
Federated Learning for Zero-Day Attack Detection in 5G and Beyond V2X Networks [9.86830550255822]
Connected and Automated Vehicles(CAV)は、5GおよびBeyondネットワーク(5GB)上にあり、セキュリティとプライバシ攻撃のベクトルの増加に対して脆弱である。本稿では,ネットワークトラフィックパターンのみに依存する攻撃を検知するディープ・オートエンコーダ法を利用した新しい検出機構を提案する。連合学習を用いて、提案した侵入検知システムは、CAVのプライバシーを維持し、通信オーバーヘッドを最小限に抑えながら、大規模で多様なネットワークトラフィックで訓練することができる。
論文参考訳（メタデータ） (2024-07-03T12:42:31Z)
CONNECTION: COvert chaNnel NEtwork attaCk Through bIt-rate mOdulatioN [1.7034813545878589]
カバーチャネルネットワークは、組織が敵の攻撃からネットワークを保護するために設置したセキュリティ対策を回避し、よく知られた方法である。本稿では,広帯域ネットワーク上で接続されたデバイス間の被覆チャネルを実装するためのビットレート変調に基づく新しい手法を提案する。
論文参考訳（メタデータ） (2024-04-24T13:14:09Z)
Unprotected 4G/5G Control Procedures at Low Layers Considered Dangerous [4.235733335401408]
セルラー標準の複雑さと高い層間操作の複雑さについて検討する。現在の細胞系は情報漏洩による新たな受動的攻撃の影響を受けやすいことが判明した。 UEでRFフロントエンドを無効にすることで、ユーザのスループットを低下させるアクティブアタックを識別する。
論文参考訳（メタデータ） (2024-03-11T13:42:05Z)
Real-time Traffic Classification for 5G NSA Encrypted Data Flows With Physical Channel Records [3.8998980344852856]
第5世代New-Radio(5G-NR)モバイルネットワークトラフィックの分類は、通信分野における新たな話題である。 Deep Packet Inspection (DPI)のような従来のアプローチは、暗号化されたデータフローに直接適用することはできない。本研究では,物理チャネルレコードを用いたリアルタイム暗号化された5Gノンスタンダローン(NSA)アプリケーションレベルのトラフィック分類について検討する。
論文参考訳（メタデータ） (2023-07-15T09:32:34Z)
Propagate And Calibrate: Real-time Passive Non-line-of-sight Tracking [84.38335117043907]
本研究では,リレー壁のみを観察することで,見えない部屋を歩いている人を追跡する純粋受動的手法を提案する。本研究では,リレー壁の映像の非知覚的変化を発掘するため,時間的局所的な動きの伝達に欠かせない特徴として差分フレームを導入する。提案手法を評価するため,最初の動的受動NLOS追跡データセットであるNLOS-Trackを構築し,公開する。
論文参考訳（メタデータ） (2023-03-21T12:18:57Z)
Channel-wise Gated Res2Net: Towards Robust Detection of Synthetic Speech Attacks [67.7648985513978]
自動話者検証(ASV)における既存のアンチスプーフィングのアプローチは、未確認攻撃に対する一般化性に欠ける。本稿では,チャネルワイズゲーティング機構を実現するためにRes2Netを改良した新しいCG-Res2Netを提案する。
論文参考訳（メタデータ） (2021-07-19T12:27:40Z)
Temporally-Transferable Perturbations: Efficient, One-Shot Adversarial Attacks for Online Visual Object Trackers [81.90113217334424]
本研究では, オブジェクトテンプレート画像からのみ, 一時移動可能な対人的摂動を生成するフレームワークを提案する。この摂動はあらゆる検索画像に追加され、事実上何のコストもかからないが、それでもトラッカーを騙すのに成功している。
論文参考訳（メタデータ） (2020-12-30T15:05:53Z)
Exploitation of Channel-Learning for Enhancing 5G Blind Beam Index Detection [1.9981375888949475]
本研究は,5Gセルとビームインデックス検索の性能を機械学習技術により向上させる方法について検討する。 5Gビームインデックス検出の性能を高めるために,新しいチャネル学習手法を提案し,実装する。
論文参考訳（メタデータ） (2020-12-07T12:24:32Z)
Self-supervised Video Object Segmentation [76.83567326586162]
本研究の目的は、半教師付きビデオオブジェクトセグメンテーション(高密度トラッキング)の解決を目的とした自己教師付き表現学習である。 i) 従来の自己教師型アプローチを改善すること、(ii) オンライン適応モジュールによる自己教師型アプローチの強化により、空間的時間的不連続性によるトラッカーのドリフトを緩和すること、(iv) DAVIS-2017とYouTubeの自己教師型アプローチで最先端の結果を示すこと、などが提案されている。
論文参考訳（メタデータ） (2020-06-22T17:55:59Z)

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。