論文の概要: VeriPHY: Physical Layer Signal Authentication for Wireless Communication in 5G Environments

• arxiv url: http://arxiv.org/abs/2508.09213v1
• Date: Mon, 11 Aug 2025 15:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.625772
• Title: VeriPHY: Physical Layer Signal Authentication for Wireless Communication in 5G Environments
• Title（参考訳）: VeriPHY:5G環境における無線通信のための物理層信号認証
• Authors: Clifton Paul Robinson, Salvatore D'Oro, Tommaso Melodia,
• Abstract要約: 物理層認証(PLA)は、無線ネットワークにおいてセキュアで効率的な認証を提供するために、通信媒体の固有の特性を使用する。 ディープラーニングの進歩に伴い、PLAは精度と信頼性の面で広く採用されている。 We introduced VeriPHY, a novel deep learning-based PLA solution for 5G networks。
• 参考スコア（独自算出の注目度）: 16.10137024446669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical layer authentication (PLA) uses inherent characteristics of the communication medium to provide secure and efficient authentication in wireless networks, bypassing the need for traditional cryptographic methods. With advancements in deep learning, PLA has become a widely adopted technique for its accuracy and reliability. In this paper, we introduce VeriPHY, a novel deep learning-based PLA solution for 5G networks, which enables unique device identification by embedding signatures within wireless I/Q transmissions using steganography. VeriPHY continuously generates pseudo-random signatures by sampling from Gaussian Mixture Models whose distribution is carefully varied to ensure signature uniqueness and stealthiness over time, and then embeds the newly generated signatures over I/Q samples transmitted by users to the 5G gNB. Utilizing deep neural networks, VeriPHY identifies and authenticates users based on these embedded signatures. VeriPHY achieves high precision, identifying unique signatures between 93% and 100% with low false positive rates and an inference time of 28 ms when signatures are updated every 20 ms. Additionally, we also demonstrate a stealth generation mode where signatures are generated in a way that makes them virtually indistinguishable from unaltered 5G signals while maintaining over 93% detection accuracy.
• Abstract（参考訳）: 物理層認証(PLA)は、無線ネットワークにおけるセキュアで効率的な認証を提供するために、通信媒体の固有の特性を用いており、従来の暗号手法の必要性を回避している。 ディープラーニングの進歩に伴い、PLAは精度と信頼性の面で広く採用されている。 本稿では,5Gネットワークのための新しい深層学習型PLAソリューションであるVeriPHYを紹介し,ステガノグラフィーを用いた無線I/Q伝送にシグネチャを埋め込むことで,ユニークなデバイス識別を可能にする。 VeriPHYは、配向が慎重に変化しているガウス混合モデルから、時間とともにシグネチャのユニーク性とステルス性を確保するために擬似ランダムシグネチャをサンプリングし、ユーザが5G gNBに送信したI/Qサンプルに新たに生成されたシグネチャを埋め込む。 ディープニューラルネットワークを利用するVeriPHYは、これらの埋め込みシグネチャに基づいてユーザを特定し、認証する。 VeriPHYは、20ミリ秒毎に署名が更新されたときの28ミリ秒と、偽陽性率の低い93%から100%のユニークなシグネチャを識別し、さらに93%以上の検出精度を維持しながら、修正されていない5G信号とほぼ区別できない方法でシグネチャを生成するステルス生成モードを実証する。

関連論文リスト

• Privacy-Preserving Biometric Verification with Handwritten Random Digit String [49.77172854374479]
  手書き認証は、何十年もの間、安定したアイデンティティ認証方法として存在してきた。 しかし、この技術は、署名などの手書きバイオメトリックスに個人情報が組み込まれているため、潜在的なプライバシー侵害のリスクがある。 プライバシ保護による手書き文字の検証にRandom Digit String (RDS) を用いることを提案する。
  論文  参考訳（メタデータ） (2025-03-17T03:47:25Z)
• Robust Latent Matters: Boosting Image Generation with Sampling Error Synthesis [57.7367843129838]
  最近の画像生成方式は、凍結した画像トークン化器に依存した事前構築された潜在空間における画像分布を典型的に捉えている。 本稿では,遅延空間構築を容易にするための新しいプラグ・アンド・プレイ・トークンライザ・トレーニング手法を提案する。
  論文  参考訳（メタデータ） (2025-03-11T12:09:11Z)
• Block Induced Signature Generative Adversarial Network (BISGAN): Signature Spoofing Using GANs and Their Evaluation [1.0177118388531325]
  GAN(Generative Adversarial Network)は、オリジナルおよびフォージされたシグネチャから学習し、フォージされたシグネチャを生成する。 この研究は、署名検証システムのベンチマークを達成するために、偽造サンプルを生成するジェネレータを作成することに重点を置いている。
  論文  参考訳（メタデータ） (2024-10-08T13:40:33Z)
• Consensus-Threshold Criterion for Offline Signature Verification using Convolutional Neural Network Learned Representations [0.0]
  オフライン書き込み依存署名検証のためのコンセンサス閾値距離に基づく分類器を提案する。 GPDS-300では、文献で記録された8.73%と17.31%と比較して1.27%のFARを達成することで、コンセンサス閾値分類器が最先端の性能を向上させる。 これは他のデータセット間で一貫性があり、インポスタが機密文書やトランザクションにアクセスするリスクが最小限であることを保証する。
  論文  参考訳（メタデータ） (2024-01-05T23:10:26Z)
• SignCRF: Scalable Channel-agnostic Data-driven Radio Authentication System [17.391164797113134]
  RFFDL(Radio Frequency Fingerprinting through Deep Learning)は、データ駆動型IoT認証技術である。 提案されているSignCRFは、スケーラブルで、チャネルに依存しない、データ駆動の無線認証プラットフォームである。 SignCRFは,WiFiおよびLoRaデバイスの認証精度を最大5倍,8倍向上させることで,RFFDLの性能を著しく向上することを示した。
  論文  参考訳（メタデータ） (2023-03-21T21:11:02Z)
• Secure access system using signature verification over tablet PC [62.21072852729544]
  我々は,シグネチャ検証を用いたWebベースのセキュアアクセスのための,高度に汎用的でスケーラブルなプロトタイプについて述べる。 提案アーキテクチャは,様々な種類のセンサや大規模データベースで動作するように容易に拡張することができる。
  論文  参考訳（メタデータ） (2023-01-11T11:05:47Z)
• 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)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• Pre-print: Radio Identity Verification-based IoT Security Using RF-DNA Fingerprints and SVM [1.293050392312921]
  IoTデバイスの数は、今後5年間で75億に達すると見積もられている。 現在デプロイされているほとんどのデバイスは、悪意のあるIoTデバイスによる攻撃から自身とネットワークを保護するのに十分なセキュリティを欠いている。 この研究は、RF-DNA(Radio Frequency-Distinct Native Attributes)指紋とSVM(Support Vector Machines)を使用して、この重要なセキュリティニーズに対処可能なPHY層IoT認証アプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-19T15:02:20Z)

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。