論文の概要: Channel Prediction-Based Physical Layer Authentication under Consecutive Spoofing Attacks

• arxiv url: http://arxiv.org/abs/2603.19962v1
• Date: Fri, 20 Mar 2026 14:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 19:48:39.162862
• Title: Channel Prediction-Based Physical Layer Authentication under Consecutive Spoofing Attacks
• Title（参考訳）: チャネル予測に基づくスポーフィング攻撃時の物理層認証
• Authors: Yijia Guo, Junqing Zhang, Yao-Win Peter Hong,
• Abstract要約: 無線ネットワークはスプーフィング攻撃に対して非常に脆弱である。 連続的なスプーフィング攻撃の下では、物理層認証法は効果がない。 本稿では,この課題に対処するチャネル予測に基づくPLAフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 15.041723569203773
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Wireless networks are highly vulnerable to spoofing attacks, especially when attackers transmit consecutive spoofing packets. Conventional physical layer authentication (PLA) methods have mostly focused on single-packet spoofing attack. However, under consecutive spoofing attacks, they become ineffective due to channel evolution caused by device mobility and channel fading. To address this challenge, we propose a channel prediction-based PLA framework. Specifically, a Transformer-based channel prediction module is employed to predict legitimate CSI measurements during spoofing interval, and the input of channel prediction module is adaptively updated with predicted or observed CSI measurements based on the authentication decision to ensure robustness against sustained spoofing. Simulation results under Rayleigh fading channels demonstrate that the proposed approach achieves low prediction error and significantly higher authentication accuracy than conventional benchmark, maintaining robustness even under extended spoofing attacks.
• Abstract（参考訳）: 無線ネットワークは、特に攻撃者が連続的にスプーフパケットを送信する場合、スプーフ攻撃に対して非常に脆弱である。 従来の物理層認証(PLA)手法は、主に単一パケットスプーフィング攻撃に重点を置いている。 しかし、連続したスプーフ攻撃の下では、デバイスモビリティとチャネルの消失に起因するチャネルの進化によって効果が低下する。 この課題に対処するために,チャネル予測に基づくPLAフレームワークを提案する。 具体的には、トランスフォーマーベースのチャネル予測モジュールを用いて、スプーフィング間隔の正当なCSI測定を予測し、この認証決定に基づいて、チャネル予測モジュールの入力を予測または観測されたCSI測定で適応的に更新し、持続スプーフィングに対する堅牢性を確保する。 レイリーフェーディングチャネルのシミュレーション結果から,提案手法は従来のベンチマークよりも予測誤差が低く,認証精度が著しく高く,スプーフィング攻撃時においても堅牢性を維持していることが示された。

関連論文リスト

• BadDet+: Robust Backdoor Attacks for Object Detection [10.393154496941527]
  BadDet+は、Regional Misclassification Attacks(RMA)とObject Disappearance Attacks(ODA)を統合したペナルティベースのフレームワークである。 実世界のベンチマークでは、BadDet+は、クリーンなパフォーマンスを維持しながら既存のRMAやOdaベースラインよりも優れた合成と物理の転送を実現している。 これらの結果は、物体検出における重大な脆弱性と、特殊防御の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-01-28T21:46:33Z)
• SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks [73.41290017870097]
  SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。 対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-11-03T11:24:06Z)
• Prediction-Powered Communication with Distortion Guarantees [65.37485275954224]
  本研究では,デバイスが厳密な歪み保証付きゼロ遅延制約の下で通信する,予測駆動型通信環境について検討する。 本稿では,オンラインコンフォメーション予測を利用した2つのゼロ遅延圧縮アルゴリズムを提案する。 セマンティックテキスト圧縮の実験は、そのアプローチを検証し、ビットレートの大幅な削減を示す。
  論文  参考訳（メタデータ） (2025-09-29T07:19:39Z)
• Collusion-Driven Impersonation Attack on Channel-Resistant RF Fingerprinting [15.295614131186142]
  本稿では, 偽りのRFレベルの模倣を実現する, 共謀駆動型偽装攻撃を提案する。 提案手法は,異なるチャネル条件下で95%以上の成功率を維持する。
  論文  参考訳（メタデータ） (2025-09-26T10:13:34Z)
• Preliminary Investigation into Uncertainty-Aware Attack Stage Classification [81.28215542218724]
  この研究は、不確実性の下での攻撃段階推論の問題に対処する。 Evidential Deep Learning (EDL) に基づく分類手法を提案し、ディリクレ分布のパラメータを可能な段階に出力することで予測の不確実性をモデル化する。 シミュレーション環境における予備実験により,提案モデルが精度良く攻撃の段階を推定できることが実証された。
  論文  参考訳（メタデータ） (2025-08-01T06:58:00Z)
• Real-Time Bayesian Detection of Drift-Evasive GNSS Spoofing in Reinforcement Learning Based UAV Deconfliction [6.956559003734227]
  無人無人航空機(UAV)は、正確なリアルタイムの局地化と航法のためにグローバルナビゲーション衛星システム(GNSS)の擬似距離測定に頼っている。 この依存は、敵がUAV受信機を騙す偽りを操る洗練された偽造脅威にそれらを暴露する。 従来の分布シフト検出技術は、しばしばサンプルのしきい値の蓄積を必要とし、迅速な検出とタイムリーな応答を妨げる遅延を引き起こす。 本研究では,UAVナビゲーションにおける微妙な行動偏差を検出するために,強化学習(RL)批判ネットワークから評価値の時間的変化を監視する,ベイズオンライン変化点検出(BOCPD)アプローチについて検討する。
  論文  参考訳（メタデータ） (2025-07-15T10:27:27Z)
• Blockchain Meets Adaptive Honeypots: A Trust-Aware Approach to Next-Gen IoT Security [6.649910168731417]
  エッジコンピューティングベースのNext-Generation Wireless Networks (NGWN)-IoTは、大規模サービスプロビジョニングのために帯域幅を拡張できる。 既存の侵入検知・防止方法は、敵の攻撃戦略を継続的に適応させるため、限られたセキュリティを提供する。 本稿では,この課題に対処するための動的攻撃検出・防止手法を提案する。
  論文  参考訳（メタデータ） (2025-04-22T19:36:19Z)
• Threats and Limitations of Terrestrial Broadcast Attacks [1.2289361708127877]
  我々は、悪意のあるハイブリッド放送ブロードバンドTVアプリに基づく概念実証攻撃を実装した。 これらの攻撃は、必要な共チャネル保護比(CCPR)により、非常に制限されている。 本研究では,これらの限界を実験室実験,広範囲なシミュレーション,フィールド計測の形で示す。
  論文  参考訳（メタデータ） (2024-02-07T18:03:23Z)
• Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
  本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。 シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-29T22:30:32Z)
• Defense for Black-box Attacks on Anti-spoofing Models by Self-Supervised Learning [71.17774313301753]
  本研究では,自己指導型高水準表現の堅牢性について,敵攻撃に対する防御に利用して検討する。 ASVspoof 2019データセットの実験結果は、Mockingjayによって抽出されたハイレベルな表現が、敵の例の転送可能性を妨げることを示した。
  論文  参考訳（メタデータ） (2020-06-05T03:03:06Z)
• Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
  このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。 生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。 実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
  論文  参考訳（メタデータ） (2020-02-22T10:08:42Z)

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。