論文の概要: AI-Enabled Covert Channel Detection in RF Receiver Architectures

• arxiv url: http://arxiv.org/abs/2604.14987v1
• Date: Thu, 16 Apr 2026 13:17:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.914078
• Title: AI-Enabled Covert Channel Detection in RF Receiver Architectures
• Title（参考訳）: RF受信機アーキテクチャにおけるAI-Enabled Covert Channel検出
• Abstract要約: 無線チップのカバーチャネル(CC)は、チップから外部攻撃者への機密情報の流出を可能にするため、深刻なセキュリティ上の脅威となる。 本研究では、RF受信機に配置されたAIベースの防御機構を提案する。このモデルでは、生のI/Qサンプルを直接監視し、CCの存在をリアルタイムで検出する。 まず,最先端の畳み込みニューラルネットワーク(CNN)を圧縮し,パラメータの80%削減を実現した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Covert channels (CCs) in wireless chips pose a serious security threat, as they enable the exfiltration of sensitive information from the chip to an external attacker. In this work, we propose an AI-based defense mechanism deployed at the RF receiver, where the model directly monitors raw I/Q samples to detect, in real time, the presence of a CC embedded within an otherwise nominal signal. We first compact a state-of-the-art convolutional neural network (CNN), achieving an 80% reduction in parameters, which is an essential requirement for efficient edge deployment. When evaluated on the open-source hardware Trojan (HT)-based CC dataset, the compacted CNN attains an average accuracy of 90.28% for CC detection and 86.50% for identifying the underlying HT, with results averaged across SNR values above 1 dB. For practical communication scenarios where SNR > 20 dB, the model achieves over 97% accuracy for both tasks. These results correspond to a minimal performance degradation of less than 2% compared to the baseline model. The compacted CNN is further benchmarked against alternative classifiers, demonstrating an excellent accuracy-model size trade-off. Finally, we design a lightweight CNN hardware accelerator and demonstrate it on an FPGA, achieving very low resource utilization and an efficiency of 107 GOPs/W. Being the first AI hardware accelerator proposed specifically for CC detection, we compare it against state-of-the-art AI accelerators for RF signal classification tasks such as modulation recognition, showing superior performance.
• Abstract（参考訳）: 無線チップのカバーチャネル(CC)は、チップから外部攻撃者への機密情報の流出を可能にするため、深刻なセキュリティ上の脅威となる。 本研究では、RF受信機に配置されたAIベースの防御機構を提案する。このモデルでは生のI/Qサンプルを直接監視し、CCの存在をリアルタイムに検出する。 まず,最先端の畳み込みニューラルネットワーク(CNN)を圧縮し,パラメータの80%削減を実現した。 オープンソースのハードウェアであるTrojan(HT)ベースのCCデータセットで評価すると、圧縮されたCNNはCC検出の平均精度が90.28%、基礎となるHTを識別する86.50%に達し、1dB以上のSNR値で平均化される。 SNR > 20 dB の実用的な通信シナリオでは、両方のタスクに対して 97% 以上の精度が達成される。 これらの結果から,ベースラインモデルと比較して2%未満の性能劣化が最小限に抑えられた。 コンパクト化されたCNNは、さらに別の分類器に対してベンチマークされ、優れた精度モデルサイズトレードオフを示す。 最後に、軽量CNNハードウェアアクセラレータを設計し、FPGA上でそれを実証し、非常に低リソース利用と107 GOPs/Wの効率を実現する。 CC検出専用のAIハードウェアアクセラレータとして提案された最初のAIハードウェアアクセラレータとして、変調認識などのRF信号分類タスクのための最先端のAIアクセラレータと比較し、優れたパフォーマンスを示す。

関連論文リスト

• Hardware-accelerated graph neural networks: an alternative approach for neuromorphic event-based audio classification and keyword spotting on SoC FPGA [12.261656409413753]
  音声処理のための事象グラフニューラルネットワークのFPGA実装 システムは最大95%のワードエンド検出精度を実現し、10.53マイクロ秒のレイテンシと1.18Wの消費電力しか持たない。
  論文  参考訳（メタデータ） (2026-02-18T13:26:22Z)
• Indoor Occupancy Classification using a Compact Hybrid Quantum-Classical Model Enabled by a Physics-Informed Radar Digital Twin [0.7465215281872721]
  この研究は、プライバシー保護レーダー占有センシングにおけるハイブリッド量子モデルのための厳密なベースラインを確立する。 2ビットのHQNNは60GHzのデジタルツインと実際のレーダー計測を用いて畳み込みニューラルネットワーク(CNN)に対してベンチマークされる。 クリーンな条件下では、HQNNは最大170倍のパラメータ(0.066M)で高い精度(99.7%合成、97.0%実数)を達成する。
  論文  参考訳（メタデータ） (2026-01-17T06:27:48Z)
• A Lightweight Approach to Detection of AI-Generated Texts Using Stylometric Features [0.0]
  我々は、軽量検出器クラスで最高の性能を実現する軽量なアプローチであるNEULIFを紹介する。 提案手法では、まずテキストをテクスチャと可読性に分解し、その後、コンパクト畳み込みニューラルネットワーク(CNN)やランダムフォレスト(RF)によって分類する。 モデルはCNNで97%の精度(0.95F1)、ランダムフォレストで95%の精度(0.94F1)を達成し、高い精度とリコールを示し、ROC-AUCのスコアはそれぞれ99.5%と95%である。
  論文  参考訳（メタデータ） (2025-11-22T08:08:03Z)
• UAV Individual Identification via Distilled RF Fingerprints-Based LLM in ISAC Networks [60.16924915676577]
  無人航空機(UAV)個人識別は、低高度統合センシング通信(ISAC)ネットワークにおける重要なセキュリティ監視戦略である。 UAVID識別のための新しい動的知識蒸留(KD)対応無線周波数指紋大言語モデル(RFF-LLM)を提案する。 実験結果から,提案フレームワークは,0.15万のパラメータと2.74ミリ秒の応答時間で,98.38%のID識別精度を実現していることがわかった。
  論文  参考訳（メタデータ） (2025-08-18T03:14:44Z)
• DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [10.215216950059874]
  妨害攻撃は5Gネットワークに重大なリスクをもたらす。 本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。 提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
  論文  参考訳（メタデータ） (2024-03-05T04:29:31Z)
• Attention-based Feature Compression for CNN Inference Offloading in Edge Computing [93.67044879636093]
  本稿では,デバイスエッジ共振器におけるCNN推論の計算負荷について検討する。 エンドデバイスにおける効率的な特徴抽出のための新しいオートエンコーダベースのCNNアーキテクチャ(AECNN)を提案する。 実験の結果、AECNNは中間データを約4%の精度で256倍圧縮できることがわかった。
  論文  参考訳（メタデータ） (2022-11-24T18:10:01Z)
• Seizure Detection and Prediction by Parallel Memristive Convolutional Neural Networks [2.0738462952016232]
  本稿では,低レイテンシ並列畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 本ネットワークは,てんかん発作検出では99.84%,てんかん発作予測では97.54%のクロスバリデーション精度を達成している。 CNNは22nm FDSOI CMOSプロセスで31.255mm$2$の面積を占有しながら約2.791Wの電力を消費すると推定されている。
  論文  参考訳（メタデータ） (2022-06-20T18:16:35Z)
• Oriented R-CNN for Object Detection [61.78746189807462]
  本研究では、オブジェクト指向R-CNNと呼ばれる、効果的でシンプルなオブジェクト指向オブジェクト検出フレームワークを提案する。 第1段階では,高品質な指向型提案をほぼ無償で直接生成する指向型領域提案ネットワーク(指向RPN)を提案する。 第2段階は、R-CNNヘッダーで、興味のある領域(オブジェクト指向のRoI)を精製し、認識する。
  論文  参考訳（メタデータ） (2021-08-12T12:47:43Z)
• ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked Models [56.21470608621633]
  本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。 提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。 生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
  論文  参考訳（メタデータ） (2021-05-07T11:39:05Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
  適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。 我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。 その結果,小型歩行者の検出における本手法の有効性が示唆された。
  論文  参考訳（メタデータ） (2020-08-19T13:13:01Z)

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。