論文の概要: Smartphone User Fingerprinting on Wireless Traffic

• arxiv url: http://arxiv.org/abs/2511.03229v1
• Date: Wed, 05 Nov 2025 06:36:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.359162
• Title: Smartphone User Fingerprinting on Wireless Traffic
• Title（参考訳）: スマートフォンの指紋をワイヤレスで印刷する
• Authors: Yong Huang, Zhibo Dong, Xiaoguang Yang, Dalong Zhang, Qingxian Wang, Zhihua Wang,
• Abstract要約: U-Printは,スマートフォンアプリ,アクション,ユーザを空気上MAC層フレームから受動的に認識できる,新たな攻撃システムである。 U-Printの全体的な精度は98.4%、F1スコアは0.983である。
• 参考スコア（独自算出の注目度）: 6.908883602224336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the openness of the wireless medium, smartphone users are susceptible to user privacy attacks, where user privacy information is inferred from encrypted Wi-Fi wireless traffic. Existing attacks are limited to recognizing mobile apps and their actions and cannot infer the smartphone user identity, a fundamental part of user privacy. To overcome this limitation, we propose U-Print, a novel attack system that can passively recognize smartphone apps, actions, and users from over-the-air MAC-layer frames. We observe that smartphone users usually prefer different add-on apps and in-app actions, yielding different changing patterns in Wi-Fi traffic. U-Print first extracts multi-level traffic features and exploits customized temporal convolutional networks to recognize smartphone apps and actions, thus producing users' behavior sequences. Then, it leverages the silhouette coefficient method to determine the number of users and applies the k-means clustering to profile and identify smartphone users. We implement U-Print using a laptop with a Kali dual-band wireless network card and evaluate it in three real-world environments. U-Print achieves an overall accuracy of 98.4% and an F1 score of 0.983 for user inference. Moreover, it can correctly recognize up to 96% of apps and actions in the closed world and more than 86% in the open world.
• Abstract（参考訳）: 無線媒体の開放性により、スマートフォンユーザは、暗号化されたWi-Fi無線トラフィックからユーザのプライバシー情報が推測される、ユーザのプライバシ攻撃を受けやすい。 既存の攻撃はモバイルアプリとその動作を認識することに限定されており、ユーザーのプライバシーの基本的な部分であるスマートフォンのユーザーアイデンティティを推測することはできない。 この制限を克服するため,U-Printは,スマートフォンアプリ,アクション,ユーザを無線のMAC層フレームから受動的に認識できる新しい攻撃システムである。 スマートフォンユーザーは通常、異なるアドオンアプリやアプリ内アクションを好み、Wi-Fiトラフィックに異なるパターンをもたらす。 U-Printは、まずマルチレベルトラフィックの特徴を抽出し、カスタマイズされた時間的畳み込みネットワークを利用してスマートフォンアプリや行動を認識し、ユーザの行動シーケンスを生成する。 そして、シルエット係数法を利用してユーザ数を決定し、k平均クラスタリングをスマートフォンユーザーのプロファイルと識別に適用する。 我々は、Kaliデュアルバンド無線ネットワークカードを搭載したラップトップを用いてU-Printを実装し、3つの実環境において評価する。 U-Printの全体的な精度は98.4%、F1スコアは0.983である。 さらに、クローズドワールドのアプリとアクションの96%、オープンワールドの86%以上を正しく認識することができる。

関連論文リスト

• DNS Query Forgery: A Client-Side Defense Against Mobile App Traffic Profiling [0.7619637511583491]
  モバイルアプリケーションはDNSクエリを生成し、通信が暗号化された場合でもユーザの行動パターンを明らかにする。 本稿では,ユーザをプロファイリングの試みから保護するために,クエリ偽造に基づくプライバシ強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-14T13:25:19Z)
• Fingerprinting and Tracing Shadows: The Development and Impact of Browser Fingerprinting on Digital Privacy [55.2480439325792]
  ブラウザのフィンガープリントは、クッキーのような従来の方法なしでオンラインでユーザーを特定し、追跡するテクニックとして成長している。 本稿では, 各種指紋認証技術について概説し, 収集データのエントロピーと特異性を解析する。
  論文  参考訳（メタデータ） (2024-11-18T20:32:31Z)
• Eavesdropping Mobile Apps and Actions through Wireless Traffic in the Open World [4.055413037442821]
  既存のトラフィック分析攻撃は主にTCP/IP層をターゲットにしているか、あるいはクローズドワールドの仮定に限定されている。 オープンワールド環境におけるWiFi MAC層トラフィックに基づいて,モバイルアプリとアプリ内アクションを推論する新しいシステムMACPrintを提案する。 実験の結果,MAC-Printはクローズドワールド設定におけるアプリや動作の認識において96%以上の精度を達成でき,オープンワールド設定では86%以上の精度が得られることがわかった。
  論文  参考訳（メタデータ） (2024-08-14T03:03:05Z)
• Keep your Identity Small: Privacy-preserving Client-side Fingerprinting [0.0]
  デバイスフィンガープリントは、サードパーティが特定のデバイスを特定するために広く使用されるテクニックである。 最も広く使われている用途の1つは、異なるウェブサイトを訪れているユーザーを特定し、ブラウジング履歴を構築することである。 これは、ユーザのプライバシに脅威をもたらす、特定のタイプのWebトラッキングを構成する。 プライバシ保存型クライアントサイドフィンガープリント(PCF)は,Web上でのデバイスフィンガープリントを可能にすると同時に,Webトラッキングの実行を阻害する新しい手法である。
  論文  参考訳（メタデータ） (2023-09-14T09:45:29Z)
• SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via Filter Pruning [55.84746218227712]
  我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。 性能を損なうことなく、さらに(最大40%)削減できることを示す。
  論文  参考訳（メタデータ） (2023-07-20T08:38:50Z)
• mPSAuth: Privacy-Preserving and Scalable Authentication for Mobile Web Applications [0.0]
  mPSAuthは、ユーザの振る舞いを反映したさまざまなデータソースを継続的に追跡し、現在のユーザが正当である可能性を推定するアプローチである。 我々はmPSAuthが暗号化と通信のオーバーヘッドを低く抑えながら高い精度を提供できることを示した。
  論文  参考訳（メタデータ） (2022-10-07T12:49:34Z)
• Privacy-Preserving Face Recognition with Learnable Privacy Budgets in Frequency Domain [77.8858706250075]
  本稿では,周波数領域における差分プライバシーを用いたプライバシ保護顔認証手法を提案する。 本手法はいくつかの古典的顔認証テストセットで非常によく機能する。
  論文  参考訳（メタデータ） (2022-07-15T07:15:36Z)
• Locally Authenticated Privacy-preserving Voice Input [10.82818142802482]
  サービスプロバイダはユーザを認証しなければならないが、個人はプライバシの維持を望むかもしれない。 認証の実行中にプライバシを保存することは、特に敵がバイオメトリックデータを使用してトランスフォーメーションツールをトレーニングする場合には、非常に難しい。 ユーザの生信号のデバイス上の指紋をキャプチャして保存する,セキュアでフレキシブルなプライバシ保護システムを導入する。
  論文  参考訳（メタデータ） (2022-05-27T14:56:01Z)
• Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
  DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。 システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
  論文  参考訳（メタデータ） (2020-05-25T12:32:02Z)

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。