論文の概要: CSI2Dig: Recovering Digit Content from Smartphone Loudspeakers Using Channel State Information
- arxiv url: http://arxiv.org/abs/2504.14812v1
- Date: Mon, 21 Apr 2025 02:31:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-29 19:53:09.566936
- Title: CSI2Dig: Recovering Digit Content from Smartphone Loudspeakers Using Channel State Information
- Title（参考訳）: CSI2Dig:チャネル状態情報を用いたスマートフォンスピーカからのディジットコンテンツ検索
- Authors: Yangyang Gu, Xianglong Li, Haolin Wu, Jing Chen, Kun He, Ruiying Du, Cong Wu,
- Abstract要約: 本稿では,CSI2Dig方式を提案する。CSI(Channel State Information)では,スマートフォンのスピーカを介して文字を再生する。
我々は、スピーカからの音声信号による電磁波干渉が、携帯電話のWiFiアンテナから放射されるWiFi信号に影響を与えることを観察する。
特徴抽出には,CSIデータの時間次元と空間次元の両方から関連する特徴をキャプチャするTS-Netを導入する。
- 参考スコア（独自算出の注目度）: 10.86045604075024
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Eavesdropping on sounds emitted by mobile device loudspeakers can capture sensitive digital information, such as SMS verification codes, credit card numbers, and withdrawal passwords, which poses significant security risks. Existing schemes either require expensive specialized equipment, rely on spyware, or are limited to close-range signal acquisition. In this paper, we propose a scheme, CSI2Dig, for recovering digit content from Channel State Information (CSI) when digits are played through a smartphone loudspeaker. We observe that the electromagnetic interference caused by the audio signals from the loudspeaker affects the WiFi signals emitted by the phone's WiFi antenna. Building upon contrastive learning and denoising autoencoders, we develop a two-branch autoencoder network designed to amplify the impact of this electromagnetic interference on CSI. For feature extraction, we introduce the TS-Net, a model that captures relevant features from both the temporal and spatial dimensions of the CSI data. We evaluate our scheme across various devices, distances, volumes, and other settings. Experimental results demonstrate that our scheme can achieve an accuracy of 72.97%.
- Abstract（参考訳）: モバイルデバイスが発する音声を盗聴することで、SMS認証コードやクレジットカード番号、パスワードの削除など、機密性の高いデジタル情報をキャプチャすることができる。
既存のスキームは高価な特殊機器を必要とするか、スパイウェアに依存しているか、あるいは近距離信号の取得に限られている。
本稿では,CSI(Channel State Information)から,スマートフォンのスピーカで文字を再生する際,CSI2Digという手法を提案する。
我々は、スピーカからの音声信号による電磁波干渉が、携帯電話のWiFiアンテナから放射されるWiFi信号に影響を与えることを観察する。
対照的な学習とデノベーションオートエンコーダに基づいて、この電磁干渉がCSIに与える影響を増幅する2分岐オートエンコーダネットワークを開発する。
特徴抽出には,CSIデータの時間次元と空間次元の両方から関連する特徴をキャプチャするTS-Netを導入する。
我々は、様々な機器、距離、ボリューム、その他の設定でこのスキームを評価する。
実験の結果, 72.97%の精度が得られた。
関連論文リスト
- Audios Don't Lie: Multi-Frequency Channel Attention Mechanism for Audio Deepfake Detection [0.0]
マルチ周波数チャネルアテンション機構(MFCA)と2次元離散コサイン変換(DCT)に基づくオーディオディープフェイク検出手法を提案する。
音声信号をメルスペクトログラムに処理し、MobileNet V2を用いて深い特徴を抽出することにより、音声信号の微細な周波数領域の特徴を効果的に捉えることができる。
実験の結果,従来の手法と比較して,精度,精度,リコール,F1スコア,その他の指標において有意な優位性を示した。
論文 参考訳（メタデータ） (2024-12-12T17:15:49Z) - Improving WiFi CSI Fingerprinting with IQ Samples [11.35984799379648]
無線通信の情報セキュリティを確保するためにはアイデンティティ認証が不可欠である。
RFフィンガープリント技術は、暗号ベースの認証アプローチのプロムアップサプリメントを提供する。
近年の進歩は、軽量RFフィンガープリントのための商用WiFiデバイスによる、容易に得ることのできるチャネル状態情報(CSI)を提唱している。
我々は,IQベースの手法に匹敵する性能を実現する新しいCSIフィンガープリントシステムであるCSI2Qを提案する。
論文 参考訳（メタデータ） (2024-08-13T12:21:14Z) - Preventing Radio Fingerprinting through Low-Power Jamming [5.074726108522963]
無線周波数指紋認証により、受動受信機は暗号ツールを必要とせずに送信機を認識し認証することができる。
無線の周波数指紋による脅威について検討し、悪意のある人物によるフィールド内の無線機器の無許可識別を容易にする。
通信路の通信品質を保証しつつ,通信路上の機器の匿名性を向上する目的で配置された低消費電力ジャマを用いて,指紋の送信信号を消毒する方法を提案する。
論文 参考訳（メタデータ） (2024-07-11T09:01:46Z) - 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) - Joint Sensing and Task-Oriented Communications with Image and Wireless
Data Modalities for Dynamic Spectrum Access [49.83882366499547]
本稿では,マルチモーダル画像とスペクトルデータの相乗効果を利用した動的スペクトルアクセスの深層学習手法を提案する。
本稿では,送信機を搭載可能な車両などの潜在的な物体を撮影するカメラを備えたエッジデバイスについて考察する。
本稿では、エッジデバイスが、融合センターとして機能する信頼できる受信機に選択的に処理された情報を通信する協調システムを提案する。
論文 参考訳（メタデータ） (2023-12-21T15:26:26Z) - Adversarial Agents For Attacking Inaudible Voice Activated Devices [0.0]
本論文は、新しいインターネット・オブ・シングの構成に強化学習を適用した。
音声アクティベートデバイスに対する難聴攻撃の分析では,10点中7.6点のアラーム危険因子が確認された。
2024年までに、この新たな攻撃面は、地球上の人々よりも多くのデジタル音声アシスタントを含んでいるかもしれない。
論文 参考訳（メタデータ） (2023-07-23T02:18:30Z) - Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial
Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。
再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文 参考訳（メタデータ） (2022-12-20T17:13:22Z) - Task-Oriented Communications for NextG: End-to-End Deep Learning and AI
Security Aspects [78.84264189471936]
NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。
無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。
エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
論文 参考訳（メタデータ） (2022-12-19T17:54:36Z) - DeepCSI: Rethinking Wi-Fi Radio Fingerprinting Through MU-MIMO CSI
Feedback Deep Learning [15.160442408342407]
DeepCSIは、MU-MIMO Wi-Fiデバイスを認証するWi-Fi無線指紋認証の新しいアプローチだ。
市販機器を用いた大規模データ収集キャンペーンを通じて,DeepCSIの性能を広範囲に評価した。
実験結果から、DeepCSIは98%の精度で送信機を正確に識別することがわかった。
論文 参考訳（メタデータ） (2022-04-15T18:59:29Z) - A Study of Designing Compact Audio-Visual Wake Word Spotting System
Based on Iterative Fine-Tuning in Neural Network Pruning [57.28467469709369]
視覚情報を利用した小型音声覚醒単語スポッティング(WWS)システムの設計について検討する。
繰り返し微調整方式(LTH-IF)で抽選券仮説を通したニューラルネットワークプルーニング戦略を導入する。
提案システムでは,ノイズ条件の異なる単一モード(オーディオのみ,ビデオのみ)システムに対して,大幅な性能向上を実現している。
論文 参考訳（メタデータ） (2022-02-17T08:26:25Z) - 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) - Blind Federated Edge Learning [93.29571175702735]
フェデレーションエッジ学習(FEEL)について検討し,それぞれが独自のデータセットを持つ無線エッジデバイスでグローバルモデルを学ぶ。
そこで本研究では,デバイスがローカル更新を非符号化方式で送信する,アナログオーバ・ザ・エアのアグリゲーション方式を提案する。
論文 参考訳（メタデータ） (2020-10-19T16:22:28Z) - DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO
Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。
本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。
DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文 参考訳（メタデータ） (2020-02-08T18:31:00Z)
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。