論文の概要: PINSIGHT: A Comprehensive Threat Exploration of Domain-Adaptive Wi-Fi based PIN Code Inference

• arxiv url: http://arxiv.org/abs/2605.04570v1
• Date: Wed, 06 May 2026 07:16:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.694245
• Title: PINSIGHT: A Comprehensive Threat Exploration of Domain-Adaptive Wi-Fi based PIN Code Inference
• Title（参考訳）: PINSIGHT: ドメイン適応Wi-FiベースのPINコード推論の総合的脅威探索
• Abstract要約: Wi-Fi信号は、物理的情報を盗聴するための検知側チャネルとして、敵に利用することができる。 PINコード推論は特に、攻撃者がWi-Fi物理層チャネル推定を型付き桁にマッピングするという課題に直面している例である。 PINSIGHTは環境変動とPINコードタイピングの効果を分離する新しい手法である。
• 参考スコア（独自算出の注目度）: 5.491185540315871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Wi-Fi signals can be exploited by adversaries as a sensing side channel to eavesdrop on physical information. By monitoring propagation effects of radio waves within the victim's environment, attackers can remotely infer sensitive information. One particularly concerning example is PIN code inference, where the attacker faces the challenge of mapping Wi-Fi physical-layer channel estimations back into typed digits. While effective in their training environment, such attacks typically fail as soon as they are deployed in unseen environments. The current state-of-the-art attack, WiKI-Eve, attempts to overcome this problem using a deep-learning approach, reporting high PIN code inference accuracy independent of environments, devices, and users. While this suggests a significant real-world threat, it is not well understood how far the attack actually reaches, nor what its underlying generalization performance is based on. In this work, we close this gap by presenting PINSIGHT, a novel methodology that separates the effects of environmental variation and PIN code typing. This enables the first rigorous threat assessment of such attacks, evaluating their generalization capabilities and limitations. Our approach leverages a robotic typing platform that produces highly repeatable keystroke events across systematically varied environment changes [...]. This dataset constitutes the first benchmark for environment generalization in Wi-Fi PIN code inference attacks. Evaluating several state-of-the-art methods, we find that attacks generalize reliably across changes in the surrounding environment but degrade substantially when the channel's encoding of typing itself shifts - precisely the condition that defines a realistic attack scenario. We conclude that the reported performance of current state-of-the-art Wi-Fi PIN inference attacks is not representative of the actual real-world threat.
• Abstract（参考訳）: Wi-Fi信号は、物理的情報を盗聴するための検知側チャネルとして、敵に利用することができる。 被害者の環境で電波の伝搬効果を監視することで、攻撃者はリモートで機密情報を推測することができる。 例として、PINコード推論があり、攻撃者はWi-Fi物理層チャネル推定を型付き桁にマッピングするという課題に直面している。 トレーニング環境では有効だが、このような攻撃は通常、目に見えない環境にデプロイされるとすぐに失敗する。 現在の最先端攻撃であるWiKI-Eveは、ディープラーニングアプローチを使用してこの問題を克服しようと試み、環境、デバイス、ユーザとは独立して高いPINコード推論精度を報告している。 これは、現実世界の重大な脅威であることを示しているが、攻撃が実際にどこまで到達したか、あるいはその基盤となる一般化性能が何に基づいているかはよく分かっていない。 本研究では、環境変動とPINコードタイピングの影響を分離する新しい手法であるPINSIGHTを提示することにより、このギャップを埋める。 これにより、このような攻撃に対する最初の厳格な脅威評価が可能になり、その一般化能力と制限を評価することができる。 提案手法は,系統的に変化する環境変化にまたがって,高度に反復可能なキーストロークイベントを生成するロボット型タイピングプラットフォームを活用する。 このデータセットは、Wi-Fi PINコード推論攻撃における環境一般化のための最初のベンチマークを構成する。 いくつかの最先端の手法を評価すると、攻撃は周囲の環境の変化に対して確実に一般化されるが、チャネルのタイピング自体の符号化がシフトしたときには大幅に低下する。 我々は、現在最先端のWi-Fi PIN推論攻撃の報告された性能は、実際の現実世界の脅威を表すものではないと結論づける。

関連論文リスト

• Intelligent Disruption: Undetectable Attacks on Wireless Autoencoders [24.417698562621467]
  敵攻撃は無線オートエンコーダ通信における正当な判定性能を低下させることができる。 本稿では, 攻撃の非検出性, 攻撃性, 適応性を両立させる, 深層学習に基づく知的攻撃フレームワークを提案する。 提案するフレームワークは,攻撃の非検出性,攻撃性,適応性の観点からベンチマークより優れていることを示す。
  論文  参考訳（メタデータ） (2026-07-21T12:28:01Z)
• Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks [100.92510794177822]
  従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、瞬時チャネル状態情報(CSI)に依存し、チャネルの変動に反応する。 本研究では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。 提案手法は,特にビームスイッチング遅延の増加にともなって,停止確率とブロック応答遅延を低減させる。
  論文  参考訳（メタデータ） (2026-05-12T09:02:20Z)
• Robust Cross-Domain WiFi Fall Detection via Physics-Driven Attention-Enhanced Transformers [64.35403680946182]
  WiFiチャンネル状態情報(CSI)を利用したデバイスフリーの転倒検出が,高齢者の健康モニタリングのための有望なソリューションとして浮上している。 既存のディープラーニングアプローチでは、目に見えない環境にデプロイされた場合、パフォーマンスが大幅に低下する。 本稿では,新しいCNN-Transformerハイブリッドアーキテクチャを特徴とする,堅牢で汎用的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-23T03:28:12Z)
• Flying Drones to Locate Cyber-Attackers in LoRaWAN Metropolitan Networks [0.7926382740035383]
  FOLLOWMEプロジェクトは、無線スペクトルの不正使用中にUAVを使用して攻撃者を発見・追跡する可能性について調査している。 主な目的は、ネットワークテレメトリと無線ローカライゼーションを統合するサイバー物理セキュリティフレームワークを開発することである。
  論文  参考訳（メタデータ） (2025-09-19T07:56:48Z)
• Input-Specific and Universal Adversarial Attack Generation for Spiking Neural Networks in the Spiking Domain [0.0]
  敵の攻撃は、ネットワークの判断を騙すための微妙な入力摂動を見つけることを目的としている。 スパイキングニューラルネットワーク(SNN)に対する2つの新しい逆攻撃アルゴリズムを提案する。 NMNISTとIBM DVS Gestureという2つの広く使われているニューロモルフィック・ビジョン・データセットの実験結果から、提案した攻撃が既存のすべての最先端手法を超越していることが判明した。
  論文  参考訳（メタデータ） (2025-05-07T19:49:18Z)
• Security Analysis of WiFi-based Sensing Systems: Threats from Perturbation Attacks [18.25251260793266]
  ディープラーニング技術は本質的に、敵の摂動攻撃に弱い。 本稿では,WiIntruderと呼ばれる攻撃を,堅牢性,普遍性,ステルスネスで識別する。 テストでは、ユーザ認証や呼吸監視を含む、一般的なWiFiベースのサービスに対する摂動攻撃の現実的な脅威を確認する。
  論文  参考訳（メタデータ） (2024-04-24T01:43:07Z)
• An incremental hybrid adaptive network-based IDS in Software Defined Networks to detect stealth attacks [0.0]
  先進的永続脅威(Advanced Persistent Threats、APT)は、検出を回避するための幅広い戦略を実装する攻撃の一種である。 侵入検知システム(IDS)における機械学習(ML)技術は、そのような攻撃を検出するために広く用いられているが、データ分散が変化すると課題がある。 SDNにおける概念ドリフト問題に対処するために、インクリメンタルなハイブリッド適応型ネットワーク侵入検知システム(NIDS)を提案する。
  論文  参考訳（メタデータ） (2024-04-01T13:33:40Z)
• Unscrambling the Rectification of Adversarial Attacks Transferability across Computer Networks [4.576324217026666]
  畳み込みニューラルネットワーク(CNN)モデルは、最先端のパフォーマンスを達成する上で重要な役割を果たす。 CNNは敵の攻撃を受けやすいため、妥協することができる。 本稿では,攻撃の強さを向上し,CNNにおける敵例の伝達可能性を評価するための,新しい包括的手法を提案する。
  論文  参考訳（メタデータ） (2023-10-26T22:36:24Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• Learning-based Hybrid Local Search for the Hard-label Textual Attack [53.92227690452377]
  我々は,攻撃者が予測ラベルにのみアクセス可能な,滅多に調査されていないが厳格な設定,すなわちハードラベル攻撃を考える。 そこで本研究では,Learning-based Hybrid Local Search (LHLS)アルゴリズムという,新たなハードラベル攻撃を提案する。 我々のLHLSは、攻撃性能と敵の品質に関する既存のハードラベル攻撃を著しく上回っている。
  論文  参考訳（メタデータ） (2022-01-20T14:16:07Z)
• The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
  我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。 敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
  論文  参考訳（メタデータ） (2021-06-26T10:50:07Z)
• Adaptive Feature Alignment for Adversarial Training [56.17654691470554]
  CNNは通常、敵攻撃に対して脆弱であり、セキュリティに敏感なアプリケーションに脅威をもたらす。 任意の攻撃強度の特徴を生成するための適応的特徴アライメント(AFA)を提案する。 本手法は任意の攻撃強度の特徴を自動的に整列するように訓練されている。
  論文  参考訳（メタデータ） (2021-05-31T17:01:05Z)
• Measurement-driven Security Analysis of Imperceptible Impersonation Attacks [54.727945432381716]
  本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。 皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。 また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
  論文  参考訳（メタデータ） (2020-08-26T19:27:27Z)
• A Self-supervised Approach for Adversarial Robustness [105.88250594033053]
  敵対的な例は、ディープニューラルネットワーク(DNN)ベースの視覚システムにおいて破滅的な誤りを引き起こす可能性がある。 本稿では,入力空間における自己教師型対向学習機構を提案する。 これは、反逆攻撃に対する強力な堅牢性を提供する。
  論文  参考訳（メタデータ） (2020-06-08T20:42:39Z)

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。