論文の概要: MarcoPolo: A Zero-Permission Attack for Location Type Inference from the Magnetic Field using Mobile Devices
- arxiv url: http://arxiv.org/abs/2602.13915v1
- Date: Sat, 14 Feb 2026 23:02:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-17 14:17:28.558603
- Title: MarcoPolo: A Zero-Permission Attack for Location Type Inference from the Magnetic Field using Mobile Devices
- Title（参考訳）: MarcoPolo: 移動体を用いた磁場からの位置型推論のためのゼロパーミッション攻撃
- Authors: Beatrice Perez, Abhinav Mehrotra, Mirco Musolesi,
- Abstract要約: 本稿では,内蔵磁気センサを用いたゼロパーミッション攻撃について述べる。
時系列分類に4つの異なる手法を用いて提案手法を実装した。
アプローチを評価するため、66箇所で6つの異なる携帯電話で70時間近い磁気センサの観測データを収集する。
- 参考スコア（独自算出の注目度）: 7.264140299714609
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Location information extracted from mobile devices has been largely exploited to reveal our routines, significant places, and interests just to name a few. Given the sensitivity of the information it reveals, location access is protected by mobile operating systems and users have control over which applications can access it. We argue that applications can still infer the coarse-grain location information by using alternative sensors that are available in off-the-shelf mobile devices that do not require any permissions from the users. In this paper we present a zero-permission attack based on the use of the in-built magnetometer, considering a variety of methods for identifying location-types from their magnetic signature. We implement the proposed approach by using four different techniques for time-series classification. In order to evaluate the approach, we conduct an in-the-wild study to collect a dataset of nearly 70 hours of magnetometer readings with six different phones at 66 locations, each accompanied by a label that classifies it as belonging to one of six selected categories. Finally, using this dataset, we quantify the performance of all models based on two evaluation criteria: (i) leave-a-place-out (using the test data collected from an unknown place), and (ii) leave-a-device-out (using the test data collected from an unknown device) showing that we are able to achieve 40.5% and 39.5% accuracy in classifying the location-type for each evaluation criteria respectively against a random baseline of approximately 16.7% for both of them.
- Abstract（参考訳）: モバイルデバイスから抽出された位置情報は、我々のルーチン、重要な場所、興味を明らかにするために主に利用されてきた。
位置情報の感度を考えると、位置情報へのアクセスはモバイルOSによって保護され、ユーザーはどのアプリケーションがそれにアクセスできるかを制御できる。
ユーザからの許可を必要とせず、市販のモバイルデバイスで利用可能な代替センサーを使用することで、アプリケーションがいまだに粗粒位置情報を推測できる、と我々は主張する。
本稿では,磁気シグネチャから位置型を識別する様々な手法を考慮し,内蔵磁気センサを用いたゼロパーミッション攻撃を提案する。
時系列分類に4つの異なる手法を用いて提案手法を実装した。
提案手法を評価するため,66か所で6つの異なる携帯電話で70時間近い磁気センサの読み取りデータを収集し,それぞれに6つのカテゴリの1つに分類されるラベルを付けた。
最後に、このデータセットを用いて、2つの評価基準に基づいて、全てのモデルの性能を定量化する。
(i)出発場所(未知の場所から収集したテストデータを用いて)、
(i)各評価基準における位置型を、それぞれ約16.7%のランダムベースラインに対して40.5%と39.5%の精度で分類できることを示す(未知のデバイスから収集したテストデータを用いて)。
関連論文リスト
- Contrastive Learning-based User Identification with Limited Data on Smart Textiles [0.7224497621488286]
圧力に敏感なスマートテキスタイルは、医療、スポーツ監視、インテリジェントホームの分野で広く応用されている。
コントラスト学習に基づく新しいユーザ識別手法を提案する。
我々の平均認識精度は79.05%に達し、最高のベースラインモデルよりも2.62%向上した。
論文 参考訳（メタデータ） (2024-09-06T13:29:42Z) - Advancing Location-Invariant and Device-Agnostic Motion Activity
Recognition on Wearable Devices [6.557453686071467]
センサ位置をまたいだ運動モデルの一般化可能性に関する総合的な評価を行う。
我々の分析は、この課題を強調し、位置不変モデルを構築する上で重要な位置を特定する。
本稿では,センサ配置に関係なく,デバイス上での動作モデルを単一モデルから91.41%のフレームレベルF1スコアに展開する。
論文 参考訳（メタデータ） (2024-02-06T05:10:00Z) - Active Visual Localization for Multi-Agent Collaboration: A Data-Driven Approach [47.373245682678515]
本研究は、視点変化の課題を克服するために、アクティブな視覚的ローカライゼーションをどのように利用できるかを検討する。
具体的には、与えられた場所における最適な視点を選択する問題に焦点をあてる。
その結果,既存の手法と比較して,データ駆動方式の方が優れた性能を示した。
論文 参考訳（メタデータ） (2023-10-04T08:18:30Z) - A Kernel Method to Nonlinear Location Estimation with RSS-based
Fingerprint [33.14527257036209]
我々は、M$M$のグリッドポイントを持つ大きな場所を考え、各グリッドポイントにはユニークな指紋がラベル付けられている。
スマートフォンで観察される指紋から、利用者の現在位置をトップk類似の指紋を見つけることで推定することができる。
提案手法は,1)保持位置の微妙な変化に敏感なビーコンのサブセットを選択するビーコン選択戦略と,2)観測信号のサブセットとデータベースに登録されているすべての指紋との類似性を計算するカーネル手法とからなる。
論文 参考訳（メタデータ） (2022-04-07T20:30:43Z) - Machine Learning-Based GPS Multipath Detection Method Using Dual
Antennas [2.0539994999823334]
デュアルアンテナを用いたグローバル位置決めシステム(GPS)マルチパス検出のための機械学習手法を提案する。
テストデータセットをトレーニングデータセットと同じ場所で収集すると,82%～96%の分類精度が得られた。
しかし,テストデータセットがトレーニングデータとは異なる場所で収集された場合,分類精度は44%-77%であった。
論文 参考訳（メタデータ） (2022-04-06T04:19:57Z) - Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D
Object Detection [85.11649974840758]
3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。
そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
論文 参考訳（メタデータ） (2021-11-30T18:42:42Z) - DAPPER: Label-Free Performance Estimation after Personalization for
Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。
実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文 参考訳（メタデータ） (2021-11-22T08:49:33Z) - Detecting Fake Points of Interest from Location Data [0.0]
提案した研究は、教師付き学習手法と、位置情報に基づくデータに隠されたパターンを見つける能力に焦点を当てている。
目的は,Multi-Layer Perceptron (MLP) 法を用いてPOIの真偽を予測することである。
提案手法は従来の分類法, 頑健で最近のディープニューラル法と比較される。
論文 参考訳（メタデータ） (2021-11-11T00:39:02Z) - Estimation of Fair Ranking Metrics with Incomplete Judgments [70.37717864975387]
本研究では,4つの評価指標のサンプリング手法と推定手法を提案する。
ラベル付きアイテムの数が極めて少ない場合でも動作可能な頑健で偏りのない推定器を定式化する。
論文 参考訳（メタデータ） (2021-08-11T10:57:00Z) - Real-time Outdoor Localization Using Radio Maps: A Deep Learning
Approach [59.17191114000146]
LocUNet: ローカライゼーションタスクのための畳み込み、エンドツーエンドのトレーニングニューラルネットワーク(NN)。
我々は,LocUNetがユーザを最先端の精度でローカライズし,無線マップ推定における不正確性が高いことを示す。
論文 参考訳（メタデータ） (2021-06-23T17:27:04Z) - Moving Object Classification with a Sub-6 GHz Massive MIMO Array using
Real Data [64.48836187884325]
無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。
本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
論文 参考訳（メタデータ） (2021-02-09T15:48:35Z)
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。