論文の概要: Tracking UWB Devices Through Radio Frequency Fingerprinting Is Possible

• arxiv url: http://arxiv.org/abs/2501.04401v1
• Date: Wed, 08 Jan 2025 10:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-09 14:54:44.101371
• Title: Tracking UWB Devices Through Radio Frequency Fingerprinting Is Possible
• Title（参考訳）: 高周波フィンガープリントによるUWBデバイス追跡は可能か?
• Authors: Thibaud Ardoin, Niklas Pauli, Benedikt Groß, Mahsa Kholghi, Khan Reaz, Gerhard Wunder,
• Abstract要約: RFF(Radio Frequency Fingerprinting)とUWB(Ultra-wideband)は物理層セキュリティを実現するが、望ましくないデバイス追跡を可能にする。 市販のUWBデバイスを用いて,デバイス位置の変動を制御した現実的なデータセットを収集した。 安定した条件下では、抽出されたRFFの精度は99%以上であり、より変化する環境において精度は低下するが、訓練されていない場所では最大で76%の精度が得られる。
• 参考スコア（独自算出の注目度）: 1.2138840417631502
• License:
• Abstract: Ultra-wideband (UWB) is a state-of-the-art technology designed for applications requiring centimeter-level localization. Its widespread adoption by smartphone manufacturer naturally raises security and privacy concerns. Successfully implementing Radio Frequency Fingerprinting (RFF) to UWB could enable physical layer security, but might also allow undesired tracking of the devices. The scope of this paper is to explore the feasibility of applying RFF to UWB and investigates how well this technique generalizes across different environments. We collected a realistic dataset using off-the-shelf UWB devices with controlled variation in device positioning. Moreover, we developed an improved deep learning pipeline to extract the hardware signature from the signal data. In stable conditions, the extracted RFF achieves over 99% accuracy. While the accuracy decreases in more changing environments, we still obtain up to 76% accuracy in untrained locations.
• Abstract（参考訳）: ウルトラワイドバンド(UWB)は、センチメートルレベルのローカライゼーションを必要とするアプリケーション向けに設計された最先端技術である。 スマートフォンメーカーが広く採用していることは、セキュリティとプライバシーの懸念を自然に引き起こす。 RFF(Radio Frequency Fingerprinting)をUWBに実装することで、物理層セキュリティを実現することができるが、望ましくないデバイスの追跡も可能になる。 本研究の目的は,RFFをUWBに適用する可能性について検討し,この手法が様々な環境にまたがってどのように一般化されるかを検討することである。 市販のUWBデバイスを用いて,デバイス位置の変動を制御した現実的なデータセットを収集した。 さらに,信号データからハードウェアシグネチャを抽出するための改良されたディープラーニングパイプラインを開発した。 安定した条件下では、抽出されたRFFは99%以上の精度が得られる。 より変化する環境において精度は低下するが、訓練されていない場所では最大で76%の精度が得られる。

関連論文リスト

• HidePrint: Hiding the Radio Fingerprint via Random Noise [3.9901365062418312]
  HidePrintは、送信された信号に制御されたノイズを注入することで、送信者の指紋を不正な盗聴者に対して隠す。 我々は,送信者が無線指紋を意図した受信者のサブセットのみに開示できる新しい技術である,選択的無線指紋開示を導入する。
  論文  参考訳（メタデータ） (2024-11-10T10:45:35Z)
• Advancements in UWB: Paving the Way for Sovereign Data Networks in Healthcare Facilities [5.3044349060590905]
  我々は、UWBデータ通信が医療や超セキュア環境において大きな可能性を秘めていると論じる。 主権のあるUWBネットワークは、そのような環境で安全なローカライゼーションと短距離データ通信を提供する代替手段として機能する可能性がある。
  論文  参考訳（メタデータ） (2024-08-08T12:43:47Z)
• Erasing Radio Frequency Fingerprints via Active Adversarial Perturbation [19.88283575742985]
  本稿では、パイロット信号データから機械学習モデルを訓練して識別する、一般的なRFフィンガープリントシナリオについて考察する。 新たな対向攻撃ソリューションは適切な摂動を生成するように設計されており、パイロット信号はハードウェアの特徴を隠蔽し、モデルを誤分類することができる。 大規模な実験結果から,RF指紋を効果的に消去し,ユーザのプライバシーを保護できることが示されている。
  論文  参考訳（メタデータ） (2024-06-11T15:16:05Z)
• 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)
• Semi-Supervised RF Fingerprinting with Consistency-Based Regularization [18.860503392365644]
  RF指紋認証は、無線セキュリティを大幅に改善することができる。 近年の研究では、ディープラーニングに基づくRFフィンガープリントが従来の手法よりも大幅に優れていることが示されている。 我々はRFフィンガープリントの深層半教師付き学習を活用し、無線信号用に設計された複合データ拡張方式に依存している。
  論文  参考訳（メタデータ） (2023-04-28T12:08:07Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• LocUNet: Fast Urban Positioning Using Radio Maps and Deep Learning [59.17191114000146]
  LocUNet: 基地局(BSs)からの受信信号強度(RSS)のみに基づく深層学習手法 提案手法では,BSsからのRSSを,クラウド上に存在する可能性のある中央処理ユニット(CPU)にローカライズする。 推定されたBSのパスロスラジオマップを用いて、LocUNetは最先端の精度でユーザをローカライズし、無線マップの不正確性に対して高い堅牢性を享受する。
  論文  参考訳（メタデータ） (2022-02-01T20:27:46Z)
• Heading Estimation Using Ultra-Wideband Received Signal Strength and Gaussian Processes [1.6058099298620425]
  本文は,UWB範囲と受信信号強度(RSS)の測定値を用いてロボットの進路を推定する方法を実験的に示す。 UWB法とジャイロスコープ法のみを用いる方向推定法を実現するために、不変拡張カルマンフィルタのジャイロスコープを用いる。
  論文  参考訳（メタデータ） (2021-09-10T13:28:23Z)
• Speech Enhancement for Wake-Up-Word detection in Voice Assistants [60.103753056973815]
  キースポッティング、特にWake-Up-Word(WUW)検出は音声アシスタントにとって非常に重要なタスクである。 本稿では,WUW検出に適応した音声強調モデルを提案する。 これらのノイズの存在下で、認識率を高め、誤報を減らすことを目的としている。
  論文  参考訳（メタデータ） (2021-01-29T18:44:05Z)

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。