論文の概要: OrbID: Identifying Orbcomm Satellite RF Fingerprints

• arxiv url: http://arxiv.org/abs/2503.02118v2
• Date: Thu, 06 Mar 2025 14:33:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 12:14:16.496388
• Title: OrbID: Identifying Orbcomm Satellite RF Fingerprints
• Title（参考訳）: OrbID:Orbcomm衛星RF指紋の特定
• Authors: Cédric Solenthaler, Joshua Smailes, Martin Strohmeier,
• Abstract要約: 本稿では、Orbcomm衛星形成への衛星通信におけるRFF(Radio Frequency Fingerprinting)に関する以前の研究を拡張した。 我々は、異なるSDRと位置を用いて、Orbcom衛星コンステレーションから8992474個のパケットを含む新しいデータセットを収集する。 我々は、星座内の異なる衛星を区別する場合のROC AUCスコア0.53、正衛星とSDRを区別する場合の0.98を達成する。
• 参考スコア（独自算出の注目度）: 6.180638616098832
• License:
• Abstract: An increase in availability of Software Defined Radios (SDRs) has caused a dramatic shift in the threat landscape of legacy satellite systems, opening them up to easy spoofing attacks by low-budget adversaries. Physical-layer authentication methods can help improve the security of these systems by providing additional validation without modifying the space segment. This paper extends previous research on Radio Frequency Fingerprinting (RFF) of satellite communication to the Orbcomm satellite formation. The GPS and Iridium constellations are already well covered in prior research, but the feasibility of transferring techniques to other formations has not yet been examined, and raises previously undiscussed challenges. In this paper, we collect a novel dataset containing 8992474 packets from the Orbcom satellite constellation using different SDRs and locations. We use this dataset to train RFF systems based on convolutional neural networks. We achieve an ROC AUC score of 0.53 when distinguishing different satellites within the constellation, and 0.98 when distinguishing legitimate satellites from SDRs in a spoofing scenario. We also demonstrate the possibility of mixing datasets using different SDRs in different physical locations.
• Abstract（参考訳）: ソフトウェア定義無線(Software Defined Radios, SDR)の可用性の向上は、旧来の衛星システムの脅威の状況に劇的な変化をもたらし、低予算の敵による容易な攻撃へと開放した。 物理層認証法は、空間セグメントを変更することなく追加の検証を提供することで、これらのシステムのセキュリティを改善するのに役立つ。 本稿では、Orbcomm衛星形成への衛星通信におけるRFF(Radio Frequency Fingerprinting)に関する以前の研究を拡張した。 GPSとイリジウムの星座はすでに以前の研究で十分にカバーされているが、他の形成物への移動技術の可能性はまだ検討されておらず、これまでも未解決の課題を提起している。 本稿では,Orbcom衛星コンステレーションから8992474個のパケットを含む新しいデータセットを,異なるSDRと位置を用いて収集する。 このデータセットを使用して、畳み込みニューラルネットワークに基づくRFFシステムのトレーニングを行う。 我々は、星座内の異なる衛星を区別する場合のROC AUCスコア0.53、正衛星とSDRを区別する場合の0.98を達成する。 また、異なる物理位置において異なるSDRを用いてデータセットを混合する可能性を示す。

関連論文リスト

• Detection of Aerial Spoofing Attacks to LEO Satellite Systems via Deep Learning [3.5502600490147196]
  本稿では、受信したPHY信号にオートエンコーダによる異常検出を適用し、LEO衛星コンステレーションシステムのスプーフィング検出手法を提案する。 我々は、ドローンに搭載された実際のスプーファーの展開を含む広範囲な計測キャンペーンを通じて、我々のソリューションを検証する。 提案手法は,異なる高度で発射されるスプーフ攻撃を確実に検出できる一方で,最先端の競合するアプローチは単純に失敗することを示す。
  論文  参考訳（メタデータ） (2024-12-20T15:56:09Z)
• Extending RAIM with a Gaussian Mixture of Opportunistic Information [1.9688858888666714]
  元の受信機自動整合性監視(RAIM)は安全のために設計されていない。 我々は、地上インフラや搭載センサーから得られるすべての機会情報、すなわち計測情報を組み込むことでRAIMを拡張した。 本研究の目的は,拡張RAIM溶液から得られる位置を解析し,スプーフィングの可能性を評価することである。
  論文  参考訳（メタデータ） (2024-02-05T19:03:18Z)
• FedSN: A Federated Learning Framework over Heterogeneous LEO Satellite Networks [18.213174641216884]
  多数の低軌道軌道(LEO)衛星が打ち上げられ、SpaceXなどの商業企業によって宇宙に投入された。 LEO衛星が搭載するマルチモーダルセンサにより、通信だけでなく、空間変調認識やリモートセンシング画像分類など、さまざまな機械学習アプリケーションにも機能する。 本稿では,これらの課題に対処するための一般FLフレームワークとしてFedSNを提案し,LEO衛星上でのデータ多様性について検討する。
  論文  参考訳（メタデータ） (2023-11-02T14:47:06Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
  本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。 本稿では,密集市街地における局所化問題について検討する。 まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
  論文  参考訳（メタデータ） (2022-11-28T00:31:02Z)
• Federated Learning in Satellite Constellations [38.58782102290874]
  フェデレートラーニング(FL)は、最近、限定的で断続的な接続を持つシステムのための分散機械学習パラダイムとして登場した。 本稿では,衛星コンステレーションがFLにもたらす新たなコンテキストについて述べる。
  論文  参考訳（メタデータ） (2022-06-01T08:17:25Z)
• Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
  創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。 eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。 RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
  論文  参考訳（メタデータ） (2021-12-03T07:44:45Z)
• Rethinking Drone-Based Search and Rescue with Aerial Person Detection [79.76669658740902]
  航空ドローンの映像の視覚検査は、現在土地捜索救助(SAR)活動に不可欠な部分である。 本稿では,この空中人物検出(APD)タスクを自動化するための新しいディープラーニングアルゴリズムを提案する。 本稿では,Aerial Inspection RetinaNet (AIR) アルゴリズムについて述べる。
  論文  参考訳（メタデータ） (2021-11-17T21:48:31Z)
• PAST-AI: Physical-layer Authentication of Satellite Transmitters via Deep Learning [4.588028371034406]
  PAST-AIは、低地球軌道(LEO)衛星をIQサンプルの指紋認証によって認証する手法である。 我々は,CNNとオートエンコーダが,衛星トランスデューサの認証に有効であることを証明する。
  論文  参考訳（メタデータ） (2020-10-12T06:08:11Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)

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。