論文の概要: When to Use Wireless Challenge-Response Physical Layer Authentication: Design of a Measurable Guideline for OFDM

• arxiv url: http://arxiv.org/abs/2605.06750v1
• Date: Thu, 07 May 2026 15:50:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.510902
• Title: When to Use Wireless Challenge-Response Physical Layer Authentication: Design of a Measurable Guideline for OFDM
• Title（参考訳）: 無線チャレンジ応答物理層認証を利用する場合:OFDMのための測定可能なガイドラインの設計
• Abstract要約: 我々は,実用無線チャネルにおける弱い相関特性を利用してPLAに対する効果的な攻撃を開始する,MDLG (Maximum Differential Likelihood Generator) と呼ばれる新しい敵モデルを提案する。 我々はランダムネステストを用いて測定可能なガイドラインを作成し、実際にPLAを実用的な無線チャネル条件で使用できるかどうかを判断する。
• 参考スコア（独自算出の注目度）: 12.2252911024288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The security of wireless challenge-response Physical Layer Authentication (PLA) based on Orthogonal Frequency Division Multiplexing (OFDM) relies on a sufficiently random fading channel condition, which is commonly assumed in existing studies. However, in practical scenarios, such a condition is not always guaranteed and the responses of OFDM subchannels may exhibit correlation.} Consequently, ensuring the security of such PLA systems remains an unsolved problem. In this paper, we propose a novel adversary model, called Maximum Differential Likelihood Generator (MDLG), which exploits the weak correlation property in practical wireless channel to launch effective attacks against PLA. Based on this model, we create a measurable guideline using randomness testing to decide when we can in fact use PLA in a practical wireless channel condition. Extensive real-world experiments validate the effectiveness of the MDLG attack and demonstrate how the proposed guideline can help protect the security of PLA.
• Abstract（参考訳）: OFDM(Orthogonal Frequency Division Multiplexing)に基づく無線チャレンジ応答物理層認証(PLA)のセキュリティは、既存の研究で一般的に想定されている十分にランダムなフェーディングチャネル条件に依存している。 しかし、実際のシナリオでは、そのような条件は必ずしも保証されておらず、OFDMサブチャネルの応答は相関を示す可能性がある。 したがって、このようなPLAシステムの安全性を確保することは未解決の問題である。 本稿では,実用無線チャネルの弱い相関特性を利用してPLAに対する効果的な攻撃を開始する,MDLG(Maximum Differential Likelihood Generator)と呼ばれる新しい逆モデルを提案する。 このモデルに基づいて、ランダムネステストを用いて測定可能なガイドラインを作成し、実際にPLAを実用的な無線チャネル条件で使用できるかどうかを判断する。 MDLG攻撃の有効性を検証し、提案したガイドラインがPLAの安全性の保護にどのように役立つかを実証した。

関連論文リスト

• Guiding Neuro-Symbolic Scenario Generation with Spatio-Temporal Logic [3.071933369858584]
  本稿では,安全クリティカルな運転シナリオをターゲットとするフレームワークSTRELGenを紹介する。 これらの仕様の満足度レベルを監視することは、グラデーションベースの検索を可能にする。 これによりSTRELGenは、ストレステスト自律運転システムのための柔軟で解釈可能で強力なツールを提供する。
  論文  参考訳（メタデータ） (2026-05-18T19:00:14Z)
• Selective Safety Steering via Value-Filtered Decoding [54.87935112120107]
  大型言語モデル(LLM)は人間の価値観に合わせるように訓練されているが、その世代は安全上の制約に反する可能性がある。 既存のデコード時のステアリング手法は、しばしば不要に介入し、ベースモデルの下で安全であった世代を変更する。 安全でない応答の安全性を向上しつつ、そのような不要な介入を減らすための新しいテストタイムステアリング手法を提案する。
  論文  参考訳（メタデータ） (2026-05-14T12:13:08Z)
• BarrierSteer: LLM Safety via Learning Barrier Steering [83.12893815611052]
  BarrierSteerは、学習した非線形安全性制約を直接モデルの潜在表現空間に埋め込むことで、安全性を形式化する新しいフレームワークである。 BarrierSteerは、敵の成功率を大幅に低下させ、安全でない世代を減少させ、既存の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-23T18:19:46Z)
• DiffuGuard: How Intrinsic Safety is Lost and Found in Diffusion Large Language Models [50.21378052667732]
  我々は、ステップ内およびステップ間ダイナミクスという2つの異なる次元にわたるジェイルブレイク攻撃に対して、dLLM脆弱性の詳細な分析を行う。 デュアルステージアプローチによる脆弱性に対処する,トレーニング不要な防御フレームワークであるDiffuGuardを提案する。
  論文  参考訳（メタデータ） (2025-09-29T05:17:10Z)
• An Adversarial-Driven Experimental Study on Deep Learning for RF Fingerprinting [6.145167956956878]
  無線周波数(RF)フィンガープリントは、有望な物理層デバイス識別機構として登場した。 ディープラーニング(DL)手法はこの領域で最先端のパフォーマンスを実証している。 生の受信信号に対するDLモデルの訓練により,RF指紋と環境・信号パターンの特徴を絡み合わせる結果が得られた。
  論文  参考訳（メタデータ） (2025-07-18T17:42:20Z)
• Alleviating Attack Data Scarcity: SCANIA's Experience Towards Enhancing In-Vehicle Cyber Security Measures [0.1631115063641726]
  本稿では,攻撃入力とそれに対応する車載ネットワークログを生成するコンテキスト対応アタックデータ生成器を提案する。 CANメッセージデコーディングとアタック強度調整を付加したパラメータ化攻撃モデルを使用して、アタックシナリオを構成する。 生成したデータを用いて2つのディープニューラルネットワークIDSモデルの実験的評価を行った。
  論文  参考訳（メタデータ） (2025-07-03T13:31:33Z)
• Physical Layer Challenge-Response Authentication between Ambient Backscatter Devices [28.816320594936727]
  Ambient Backscatter Communication (AmBC)は、ユビキタスIoT(Internet of Things)アプリケーションにおいて不可欠な部分となっている。 従来の認証手法は、高い計算要求のため、リソース制約された後方散乱装置間では実装できない。 本稿では,AmBCにおけるBD間の物理層チャレンジ応答認証方式であるPLCRA-BDを提案する。
  論文  参考訳（メタデータ） (2025-06-23T15:36:27Z)
• Physical Layer Deception with Non-Orthogonal Multiplexing [52.11755709248891]
  本稿では,ワイヤタッピングの試みに積極的に対処する物理層騙し(PLD)の枠組みを提案する。 PLDはPLSと偽装技術を組み合わせることで、積極的に盗聴の試みに対処する。 本研究では,PLDフレームワークの有効性を詳細な分析で証明し,従来のPLS手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-06-30T16:17:39Z)
• On the Potential of Re-configurable Intelligent Surface (RIS)-assisted Physical Layer Authentication (PLA) [0.0]
  再構成可能なインテリジェントサーフェス(RIS)技術は、次世代無線ネットワークの潜在的なコンポーネントになりつつある。 しかし、RIS支援無線通信のブロードキャスト特性は、物理的層における悪意のある攻撃に対して脆弱である。 本稿では、RISを利用した物理層認証(PLA)の可能性を確保するためのRIS支援無線通信システムについて検討する。
  論文  参考訳（メタデータ） (2024-05-01T10:17:24Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Downlink Power Allocation in Massive MIMO via Deep Learning: Adversarial Attacks and Training [62.77129284830945]
  本稿では,無線環境における回帰問題を考察し,敵攻撃がDLベースのアプローチを損なう可能性があることを示す。 また,攻撃に対するDLベースの無線システムの堅牢性が著しく向上することを示す。
  論文  参考訳（メタデータ） (2022-06-14T04:55:11Z)
• Policy Smoothing for Provably Robust Reinforcement Learning [109.90239627115336]
  入力のノルム有界対向摂動に対する強化学習の証明可能な堅牢性について検討する。 我々は、スムーズなポリシーによって得られる全報酬が、入力の摂動のノルムバウンドな逆数の下で一定の閾値以下に収まらないことを保証した証明書を生成する。
  論文  参考訳（メタデータ） (2021-06-21T21:42:08Z)

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。