論文の概要: Privacy-Preserving Secure Neighbor Discovery for Wireless Networks

• arxiv url: http://arxiv.org/abs/2503.22232v1
• Date: Fri, 28 Mar 2025 08:27:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:30:41.826538
• Title: Privacy-Preserving Secure Neighbor Discovery for Wireless Networks
• Title（参考訳）: 無線ネットワークのためのプライバシ保護近傍発見
• Authors: Ahmed Mohamed Hussain, Panos Papadimitratos,
• Abstract要約: 従来のND(Neighbor Discovery)とSND(Secure Neighbor Discovery)は、ネットワーク機能の主要な要素である。 本稿では、デバイスが実際の身元や位置を明らかにすることなくSNDを実行することのできる、新しいプライバシー保護型セキュリティ近傍発見(PP-SND)プロトコルを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Traditional Neighbor Discovery (ND) and Secure Neighbor Discovery (SND) are key elements for network functionality. SND is a hard problem, satisfying not only typical security properties (authentication, integrity) but also verification of direct communication, which involves distance estimation based on time measurements and device coordinates. Defeating relay attacks, also known as "wormholes", leading to stealthy Byzantine links and significant degradation of communication and adversarial control, is key in many wireless networked systems. However, SND is not concerned with privacy; it necessitates revealing the identity and location of the device(s) participating in the protocol execution. This can be a deterrent for deployment, especially involving user-held devices in the emerging Internet of Things (IoT) enabled smart environments. To address this challenge, we present a novel Privacy-Preserving Secure Neighbor Discovery (PP-SND) protocol, enabling devices to perform SND without revealing their actual identities and locations, effectively decoupling discovery from the exposure of sensitive information. We use Homomorphic Encryption (HE) for computing device distances without revealing their actual coordinates, as well as employing a pseudonymous device authentication to hide identities while preserving communication integrity. PP-SND provides SND [1] along with pseudonymity, confidentiality, and unlinkability. Our presentation here is not specific to one wireless technology, and we assess the performance of the protocols (cryptographic overhead) on a Raspberry Pi 4 and provide a security and privacy analysis.
• Abstract（参考訳）: 従来のND(Neighbor Discovery)とSND(Secure Neighbor Discovery)は、ネットワーク機能の主要な要素である。 SNDは、一般的なセキュリティ特性(認証、整合性)だけでなく、時間測定とデバイス座標に基づく距離推定を含む直接通信の検証も満足する、難しい問題である。 ワームホール (wormholes) とも呼ばれるリレー攻撃の防御は、多くの無線ネットワークシステムにおいて重要な要素である。 しかし、SNDはプライバシには関心がなく、プロトコル実行に参加するデバイスのアイデンティティと位置を明らかにする必要がある。 これは、特にIoT(Internet of Things)によって実現されたスマート環境において、ユーザが所有するデバイスが関与するデプロイメントの妨げになる可能性がある。 この課題に対処するため,プライバシ保護 Secure Neighbor Discovery (PP-SND) プロトコルを提案する。 我々は、デバイス距離の計算に、実際の座標を明らかにすることなく、また、匿名デバイス認証を使用して、通信の整合性を保ちながら身元を隠蔽する。 PP-SNDはSND[1]と偽名、機密性、非リンク性を提供する。 Raspberry Pi 4のプロトコル(暗号化オーバーヘッド)のパフォーマンスを評価し、セキュリティとプライバシ分析を提供します。

関連論文リスト

• Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
  複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。 本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
  論文  参考訳（メタデータ） (2024-10-25T18:11:02Z)
• Privacy-Preserving End-to-End Spoken Language Understanding [7.501598786895441]
  人間のスピーチには、性別、アイデンティティ、センシティブなコンテンツなど、多くのユーザセンシティブな情報が含まれる。 新たなタイプのセキュリティおよびプライバシ侵害が出現した。ユーザは、信頼できない第三者による悪意ある攻撃に対して、個人情報を公開したくない。 本稿では,音声認識(ASR)とID認識(IR)の両方を防止するために,新しいマルチタスクプライバシ保護モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-22T03:41:57Z)
• Domain-Agnostic Hardware Fingerprinting-Based Device Identifier for Zero-Trust IoT Security [7.8344795632171325]
  次世代ネットワークは、人間、機械、デバイス、システムをシームレスに相互接続することを目的としている。 この課題に対処するため、Zero Trust(ZT)パラダイムは、ネットワークの完全性とデータの機密性を保護するための重要な方法として登場した。 この研究は、新しいディープラーニングベースの無線デバイス識別フレームワークであるEPS-CNNを導入している。
  論文  参考訳（メタデータ） (2024-02-08T00:23:42Z)
• MIMOCrypt: Multi-User Privacy-Preserving Wi-Fi Sensing via MIMO Encryption [9.602413325195528]
  Wi-Fi信号は、低コストで非侵襲的な人間のセンシングを実現するのに役立ちますが、盗聴器によってプライベート情報をキャプチャするために利用することもできるのです。 現実的なマルチユーザシナリオをサポートするために,プライバシ保護型Wi-Fiセンシングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-01T04:45:57Z)
• Federated Graph Learning for Low Probability of Detection in Wireless Ad-Hoc Networks [36.82926581689718]
  無線ネットワークのプライバシーとセキュリティを高める手段として,LPD (low probability of detection) が最近登場した。 本稿では,グラフニューラルネットワークに基づくプライバシ保護分散フレームワークについて検討し,無線アドホックネットワーク全体の検出性を最小化する。
  論文  参考訳（メタデータ） (2023-06-01T20:56:02Z)
• DensePose From WiFi [86.61881052177228]
  WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。 本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
  論文  参考訳（メタデータ） (2022-12-31T16:48:43Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• A Wireless-Vision Dataset for Privacy Preserving Human Activity Recognition [53.41825941088989]
  アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。 以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
  論文  参考訳（メタデータ） (2022-05-24T10:49:11Z)
• Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
  GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。 実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
  論文  参考訳（メタデータ） (2020-06-10T16:05:05Z)
• CryptoSPN: Privacy-preserving Sum-Product Network Inference [84.88362774693914]
  総生産ネットワーク(SPN)のプライバシ保護のためのフレームワークを提案する。 CryptoSPNは、中規模のSPNに対して秒の順序で高効率で正確な推論を行う。
  論文  参考訳（メタデータ） (2020-02-03T14:49:18Z)

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。