論文の概要: Noisy Networks, Nosy Neighbors: Inferring Privacy Invasive Information from Encrypted Wireless Traffic

• arxiv url: http://arxiv.org/abs/2510.13822v1
• Date: Sat, 27 Sep 2025 15:36:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-20 05:23:07.172161
• Title: Noisy Networks, Nosy Neighbors: Inferring Privacy Invasive Information from Encrypted Wireless Traffic
• Title（参考訳）: ノイズの多いネットワーク, Nosy Neighbors: 暗号化された無線トラフィックからプライバシー侵害情報を推測する
• Authors: Bartosz Burgiel,
• Abstract要約: この論文は、スマートホーム環境における無線トラフィックの受動的観測が、住民に関するプライバシー侵害情報を推測するのにどの程度有効であるかを考察する。 デバイスを識別し,その動作状態を推定し,RSSIに基づく三元化を用いて位置を近似する。 以上の結果から,スマートホームにおけるプライバシーリスクは,従来のデータ漏洩を超えて拡大していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This thesis explores the extent to which passive observation of wireless traffic in a smart home environment can be used to infer privacy-invasive information about its inhabitants. Using a setup that mimics the capabilities of a nosy neighbor in an adjacent flat, we analyze raw 802.11 packets and Bluetooth Low Energy advertisemets. From this data, we identify devices, infer their activity states and approximate their location using RSSI-based trilateration. Despite the encrypted nature of the data, we demonstrate that it is possible to detect active periods of multimedia devices, infer common activities such as sleeping, working and consuming media, and even approximate the layout of the neighbor's apartment. Our results show that privacy risks in smart homes extend beyond traditional data breaches: a nosy neighbor behind the wall can gain privacy-invasive insights into the lives of their neighbors purely from encrypted network traffic.
• Abstract（参考訳）: この論文は、スマートホーム環境における無線トラフィックの受動的観測が、住民に関するプライバシー侵害情報を推測するのにどの程度有効であるかを考察する。 隣接フラットのノイズの多い隣人の能力を模倣したセットアップを用いて、生の802.11パケットとBluetooth Low Energyの広告を解析する。 このデータから,デバイスを同定し,その活動状態を推定し,RSSIに基づく三値化を用いて位置を近似する。 データの性質が暗号化されているにもかかわらず、マルチメディア機器のアクティブな期間を検出し、睡眠、作業、メディア消費といった一般的な活動を推測し、近隣のアパートのレイアウトを近似することも可能であることを示した。 我々の結果は、スマートホームにおけるプライバシーのリスクは、従来のデータ漏洩を超えて拡大していることを示している。

関連論文リスト

• WavInWav: Time-domain Speech Hiding via Invertible Neural Network [78.85443308774484]
  従来の音声隠蔽法は、秘密の音声を復元する際に不満足な品質をもたらすことが多い。 フローベースの非可逆ニューラルネットワークを使用して、ステゴオーディオ、カバーオーディオ、シークレットオーディオの直接的なリンクを確立する。 また、隠れたデータを不正アクセスから保護するための暗号化技術も追加します。
  論文  参考訳（メタデータ） (2025-10-03T11:36:16Z)
• Privacy-Preserving Secure Neighbor Discovery for Wireless Networks [0.0]
  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。
  論文  参考訳（メタデータ） (2025-03-28T08:27:47Z)
• 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)
• KiNETGAN: Enabling Distributed Network Intrusion Detection through Knowledge-Infused Synthetic Data Generation [0.0]
  合成ネットワーク活動データ(KiNETGAN)を生成するための知識注入型ジェネレーティブ・アドバイサル・ネットワークを提案する。 弊社のアプローチは、プライバシー問題に対処しながら、分散侵入検知のレジリエンスを高める。
  論文  参考訳（メタデータ） (2024-05-26T08:02:02Z)
• Cross-Network Social User Embedding with Hybrid Differential Privacy Guarantees [81.6471440778355]
  プライバシー保護方式でユーザを包括的に表現するために,ネットワーク横断型ソーシャルユーザ埋め込みフレームワークDP-CroSUEを提案する。 特に、各異種ソーシャルネットワークに対して、異種データ型に対するプライバシー期待の変化を捉えるために、まずハイブリッドな差分プライバシーの概念を導入する。 ユーザ埋め込みをさらに強化するため、新しいネットワーク間GCN埋め込みモデルは、それらの整列したユーザを介して、ネットワーク間で知識を伝達するように設計されている。
  論文  参考訳（メタデータ） (2022-09-04T06:22:37Z)
• 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)
• Privacy-Utility Trades in Crowdsourced Signal Map Obfuscation [20.58763760239068]
  クラウドソースセルラー信号強度測定は、ネットワーク性能を改善するために信号マップを生成するために使用できる。 我々は、データがモバイルデバイスを離れる前に、そのようなデータを難読化することを検討する。 評価結果は,多種多様な実世界の信号マップデータセットに基づいて,適切なプライバシとユーティリティを同時に実現可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-13T03:46:22Z)
• Detection, Tracking, and Counting Meets Drones in Crowds: A Benchmark [97.07865343576361]
  DroneCrowdという新しいドローンキャプチャ型大規模データセットによるベンチマークを構築した。 私たちは4800万人の頭といくつかのビデオレベルの属性を持つ20,800人のトラジェクタに注釈を付けます。 我々は、密集した群衆の物体の検出、追跡、数え上げを行うための強力なベースラインとして、Space-Time Neighbor-Aware Network (STNNet)を設計する。
  論文  参考訳（メタデータ） (2021-05-06T04:46:14Z)
• A GAN-based Approach for Mitigating Inference Attacks in Smart Home Environment [3.785123406103385]
  本研究では,スマートホーム利用者をスパイしている敵が,機械学習技術を用いてセンシティブな情報を推測する問題について検討する。 スマートホームにおけるプライバシー保護のためのGAN(Generative Adrial Network)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-11-13T02:14:32Z)

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。