Fugu-MT 論文翻訳(概要): Capacitive Touchscreens at Risk: Recovering Handwritten Trajectory on Smartphone via Electromagnetic Emanations

論文の概要: Capacitive Touchscreens at Risk: Recovering Handwritten Trajectory on Smartphone via Electromagnetic Emanations

arxiv url: http://arxiv.org/abs/2512.11484v1
Date: Fri, 12 Dec 2025 11:33:05 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-15 15:48:11.749364
Title: Capacitive Touchscreens at Risk: Recovering Handwritten Trajectory on Smartphone via Electromagnetic Emanations
Title（参考訳）: 静電エマニュフェーションでスマホに手書きの軌跡を復元する「Capacitive Touchscreens At Risk」
Authors: Yukun Cheng, Shiyu Zhu, Changhai Ou, Xingshuo Han, Yuan Li, Shihui Zheng,
Abstract要約: タッチスクリーン電磁(EM)側チャネルは、きめ細かい連続的な手書きの軌跡を回復するのに十分な情報を漏らす。本稿では,非接触攻撃フレームワークであるタッチスクリーン電磁チャネル漏洩攻撃(TESLA)について述べる。
参考スコア（独自算出の注目度）: 11.61373689205522
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper reveals and exploits a critical security vulnerability: the electromagnetic (EM) side channel of capacitive touchscreens leaks sufficient information to recover fine-grained, continuous handwriting trajectories. We present Touchscreen Electromagnetic Side-channel Leakage Attack (TESLA), a non-contact attack framework that captures EM signals generated during on-screen writing and regresses them into two-dimensional (2D) handwriting trajectories in real time. Extensive evaluations across a variety of commercial off-the-shelf (COTS) smartphones show that TESLA achieves 77% character recognition accuracy and a Jaccard index of 0.74, demonstrating its capability to recover highly recognizable motion trajectories that closely resemble the original handwriting under realistic attack conditions.
Abstract（参考訳）: 静電容量タッチスクリーンの電磁(EM)側チャネルは,微細で連続的な筆跡を復元するのに十分な情報を漏洩させる。本報告では,非接触攻撃フレームワークであるタッチスクリーン電磁チャネル漏洩攻撃(TESLA)について述べる。様々な市販オフザシェルフ(COTS)スマートフォンの広範囲な評価により、TESLAは77%の文字認識精度と0.74のジャカード指数を達成し、現実的な攻撃条件下で元の筆跡に近い高度に認識可能な運動軌跡を復元する能力を示している。

関連論文リスト

Conditioned Activation Transport for T2I Safety Steering [52.88378793535683]
Conditioned Activation Transport (CAT) は、幾何学に基づく条件付け機構と非線形輸送マップを利用するフレームワークである。 Z-Image と Infinity の2つの最先端アーキテクチャに対するアプローチを検証する。
論文参考訳（メタデータ） (2026-03-03T17:10:45Z)
PHANTOM: PHysical ANamorphic Threats Obstructing Connected Vehicle Mobility [1.9336815376402718]
接続された自動運転車(CAV)は、視覚ベースのディープニューラルネットワーク(DNN)と低レイテンシ(Vehicle-to-Everything)V2X通信に依存して、安全かつ効率的にナビゲートする。我々は、視点に依存した敵の例を作成し、展開するための新しいフレームワークであるPHANTOMを紹介した。 PHANTOMは、人間には自然なように見える幾何学的歪みを利用しており、最先端の物体検出器によって高い信頼性で分類されている。
論文参考訳（メタデータ） (2025-12-15T06:05:38Z)
MOBA: A Material-Oriented Backdoor Attack against LiDAR-based 3D Object Detection Systems [11.315953503694564]
既存のバックドア攻撃の主な制限は、物理的な実現可能性の欠如である。物質指向バックドアアタック (Material-Oriented Backdoor Attack, MOBA) は、現実世界のトリガーの物質特性を明示的にモデル化することで、デジタル物理ギャップを埋める。 MOBAは93.50%の攻撃成功率を達成し、以前の手法を41%以上上回っている。
論文参考訳（メタデータ） (2025-11-13T06:10:21Z)
EMPalm: Exfiltrating Palm Biometric Data via Electromagnetic Side-Channels [54.460942487872416]
EMエミッションは、手のひら生体情報を漏れさせる。 EMPalmは、盗聴されたEM信号からパームプリントとパームベインの画像の両方を隠蔽的に回収する攻撃フレームワークである。
論文参考訳（メタデータ） (2025-10-08T20:50:19Z)
Detection and Recovery of Adversarial Slow-Pose Drift in Offloaded Visual-Inertial Odometry [0.0]
エッジサーバにVIOをオフロードする現在のトレンドは、サーバ側の脅威表面を導く可能性がある。非教師付きラベルなし検出・回復機構を提案する。 ILLIXRテストベッドを用いたリアルオフロードVIO環境におけるアプローチの評価を行った。
論文参考訳（メタデータ） (2025-09-08T18:31:40Z)
Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
論文参考訳（メタデータ） (2025-08-12T17:19:20Z)
E-FreeM2: Efficient Training-Free Multi-Scale and Cross-Modal News Verification via MLLMs [1.9764787123209693]
本研究では,学習不要な検索に基づくマルチモーダル事実検証システムを提案する。我々のアプローチは、敵攻撃やデータ中毒など、従来のトレーニングベースのモデルの脆弱性を軽減します。 2つのファクトチェックベンチマークの実験でSOTAの結果が得られ、誤情報検出の有効性と各種攻撃ベクトルに対する堅牢性が確認された。
論文参考訳（メタデータ） (2025-06-26T02:20:45Z)
Poison Once, Control Anywhere: Clean-Text Visual Backdoors in VLM-based Mobile Agents [54.35629963816521]
この研究は、VLMベースのモバイルエージェントをターゲットにした最初のクリーンテキストバックドアアタックであるVIBMAを紹介する。この攻撃は、視覚的な入力だけを変更することによって、悪意ある振る舞いをモデルに注入する。クリーンタスクの動作を保ちながら高い成功率を達成できることを示す。
論文参考訳（メタデータ） (2025-06-16T08:09:32Z)
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)
Charging Ahead: A Hierarchical Adversarial Framework for Counteracting Advanced Cyber Threats in EV Charging Stations [1.873794246359724]
電気自動車(EV)は、より高い充電優先度を得るために偽情報を提供し、グリッド不安定を引き起こす可能性がある。本稿では,EV充電ステーションにおける盗難サイバー攻撃を効果的に検出するDRL(HADRL)を用いた階層的対向フレームワークを提案する。
論文参考訳（メタデータ） (2024-07-04T08:23:03Z)
FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
論文参考訳（メタデータ） (2024-03-26T08:51:23Z)
Invisible Finger: Practical Electromagnetic Interference Attack on Touchscreen-based Electronic Devices [15.874816082812831]
タッチスクリーンを用いた電子デバイスは、意図的電磁干渉(IEMI)攻撃に対して脆弱であることを示す。私たちの貢献は、攻撃を実証するだけでなく、基盤となるメカニズムを分析し、定量化することにあります。我々は,エンド・ツー・エンド・エンド・アタックシナリオを備えたIEMIベースのタッチスクリーンアタックベクターを初めて提示し,実演する。
論文参考訳（メタデータ） (2024-02-03T18:06:15Z)
Exploring Adversarial Robustness of Multi-Sensor Perception Systems in Self Driving [87.3492357041748]
本稿では,敵物体をホスト車両の上に配置することで,マルチセンサ検出の実用的感受性を示す。実験の結果, 攻撃が成功した原因は主に画像の特徴が損なわれやすいことが判明した。よりロバストなマルチモーダル知覚システムに向けて,特徴分断を伴う敵対的訓練が,このような攻撃に対するロバスト性を大幅に高めることを示す。
論文参考訳（メタデータ） (2021-01-17T21:15:34Z)

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。