論文の概要: OFDM-based JCAS under Attack: The Dual Threat of Spoofing and Jamming in WLAN Sensing

• arxiv url: http://arxiv.org/abs/2501.06798v1
• Date: Sun, 12 Jan 2025 12:41:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:20:14.617382
• Title: OFDM-based JCAS under Attack: The Dual Threat of Spoofing and Jamming in WLAN Sensing
• Title（参考訳）: 攻撃中のOFDMベースのJCA:WLANセンシングにおけるスポーフィングとジャミングの二重脅威
• Authors: Hasan Can Yildirim, Musa Furkan Keskin, Henk Wymeersch, Francois Horlin,
• Abstract要約: 本研究では,JCASの範囲内での無線地域ネットワーク(WLAN)の脆弱性を明らかにする。 本稿では,信号整合性を変化させることで,擬似ジャマーがレンジ・ドップラーマップ(RDM)を操作可能であることを示す。 本研究は, 複雑度と検出性に異なるジャミング戦略を提案する。
• 参考スコア（独自算出の注目度）: 16.63099126704722
• License:
• Abstract: This study reveals the vulnerabilities of Wireless Local Area Networks (WLAN) sensing, under the scope of joint communication and sensing (JCAS), focusing on target spoofing and deceptive jamming techniques. We use orthogonal frequency-division multiplexing (OFDM) to explore how adversaries can exploit WLAN's sensing capabilities to inject false targets and disrupt normal operations. Unlike traditional methods that require sophisticated digital radio-frequency memory hardware, we demonstrate that much simpler software-defined radios can effectively serve as deceptive jammers in WLAN settings. Through comprehensive modeling and practical experiments, we show how deceptive jammers can manipulate the range-Doppler map (RDM) by altering signal integrity, thereby posing significant security threats to OFDM-based JCAS systems. Our findings comprehensively evaluate jammer impact on RDMs and propose several jamming strategies that vary in complexity and detectability.
• Abstract（参考訳）: 本研究では,JCAS(ジョイントコミュニケーション・センシング)の範囲内で無線地域ネットワーク(WLAN)の脆弱性を明らかにする。 我々は直交周波数分割多重化(OFDM)を用いて、敵がWLANの感知能力を利用して偽ターゲットを注入し、正常な操作を妨害する方法を探索する。 高度なデジタル無線周波数メモリハードウェアを必要とする従来の方法とは異なり、ソフトウェア定義の無線は、WLAN設定において事実上偽のジャマーとして機能することを実証する。 包括的モデリングと実践実験により,信号整合性を変化させることで,知覚ジャマーがレンジ・ドップラーマップ(RDM)を操作できることを示し,それによってOFDMベースのJCASシステムに重大なセキュリティ脅威をもたらすことを示した。 本研究は, RDMに対するジャマーの影響を包括的に評価し, 複雑さと検出性に異なるいくつかのジャマー戦略を提案する。

関連論文リスト

• Securing Distributed Network Digital Twin Systems Against Model Poisoning Attacks [19.697853431302768]
  ディジタルツイン(DT)は、リアルタイム監視、予測、意思決定能力の向上を具現化する。 本研究では,分散ネットワークDTシステムにおけるセキュリティ上の課題について検討し,その後のネットワークアプリケーションの信頼性を損なう可能性がある。
  論文  参考訳（メタデータ） (2024-07-02T03:32:09Z)
• DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [11.15939066175832]
  妨害攻撃は5Gネットワークに重大なリスクをもたらす。 本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。 提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
  論文  参考訳（メタデータ） (2024-03-05T04:29:31Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Real-Time Zero-Day Intrusion Detection System for Automotive Controller Area Network on FPGAs [13.581341206178525]
  本稿では,ゼロデイアタックを検出するための教師なし学習に基づく畳み込みオートエンコーダアーキテクチャを提案する。 資源制約のZynq Ultrascaleプラットフォームを対象としたAMD/XilinxのVitis-AIツールを用いてモデルを定量化する。 提案モデルでは, 未知のDoS, ファジング, スプーフィング攻撃に対して, 同一以上の分類精度 (>99.5%) を達成することができた。
  論文  参考訳（メタデータ） (2024-01-19T14:36:01Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• 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)
• Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
  本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。 シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-29T22:30:32Z)
• 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)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Adversarial Attacks on Deep Learning Based Power Allocation in a Massive MIMO Network [62.77129284830945]
  本稿では,大規模なマルチインプット・マルチアウトプット(MAMIMO)ネットワークのダウンリンクにおいて,逆攻撃がDLベースの電力割り当てを損なう可能性があることを示す。 我々はこれらの攻撃のパフォーマンスをベンチマークし、ニューラルネットワーク(NN)の入力に小さな摂動がある場合、ホワイトボックス攻撃は最大86%まで実現不可能な解決策をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-01-28T16:18:19Z)
• Multi-stage Jamming Attacks Detection using Deep Learning Combined with Kernelized Support Vector Machine in 5G Cloud Radio Access Networks [17.2528983535773]
  本研究は5G C-RANにML-IDS(Multi-stage Machine Learning-based Intrusion Detection)を配置することに焦点を当てる。 一定のジャミング、ランダムジャミング、ジャミング、リアクティブジャミングの4種類のジャミング攻撃を検出し、分類することができる。 最終分類精度は94.51%で、偽陰性率は7.84%である。
  論文  参考訳（メタデータ） (2020-04-13T17:21:45Z)

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。