論文の概要: RadKey: An LLM-Guided RF Backscatter System for Through-Wall Keystroke Inference

• arxiv url: http://arxiv.org/abs/2606.10148v1
• Date: Mon, 08 Jun 2026 20:26:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:37.962651
• Title: RadKey: An LLM-Guided RF Backscatter System for Through-Wall Keystroke Inference
• Title（参考訳）: RadKey: 壁面キーストローク推論のためのLLM誘導RF後方散乱システム
• Authors: Qijun Wang, Chunqi Qian, Huacheng Zeng,
• Abstract要約: RadKeyはRFバックスキャッターシステムで、秘密、長距離、スルーウォールのキーストロークを盗聴できる。 タグはキーストロークによって誘導される振動と音響信号を捉え、後方散乱されたRF信号の周波数シフトに変調する。 RFリーダは、後方散乱されたRF信号を復調して、型付きコンテンツを推測する。
• 参考スコア（独自算出の注目度）: 7.054093620465402
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In today's digitally connected world, keyboards remain the primary interface for inputting sensitive information, making them a persistent target for eavesdropping attacks. While prior keystroke inference techniques have exploited side-channel signals such as acoustics and vibrations, they typically rely on conspicuous, short-range sensors and require victim-specific data for model training, limiting their practicality, scalability, and stealth. In this paper, we present RadKey, an RF backscatter system for covert, long-range, through-wall keystroke eavesdropping. RadKey comprises two components: a compact batteryless backscatter tag and an RF reader. The tag captures keystroke-induced vibrations and acoustic signals, modulating them onto the frequency shift of its backscattered RF signal using two magnetically-coupled LC resonators. This design also enables spectral separation between the excitation and backscatter signals, mitigating self-interference for the RF reader and thus extending eavesdropping range. The RF reader demodulates the backscattered RF signal to infer typed content. It employs a dedicated signal processing pipeline that extracts user- and keyboard-independent keystroke features across time and frequency domains, enabling strong generalizability. To further enhance adaptability, RadKey integrates an LLM for online adaptation, leveraging LLM outputs as pseudo ground-truth labels to refine the classifier during runtime. We have built a prototype of the full RadKey system and evaluated it through extensive over-the-air experiments. Results show that RadKey achieves accurate and robust keystroke inference across diverse users in real-world settings. A demo video is available at: https://radkey-submission.github.io/RadKey/
• Abstract（参考訳）: 今日のデジタル接続された世界では、キーボードは機密情報を入力するための主要なインターフェースであり、盗聴攻撃の永続的なターゲットとなっている。 従来のキーストローク推論技術は、音響や振動などのサイドチャネル信号を利用するが、通常は目立った短距離センサーに依存し、モデルの訓練に犠牲者固有のデータを必要とし、実用性、スケーラビリティ、ステルスを制限している。 本稿では,RFバックスキャッタシステムであるRadKeyについて述べる。 RadKeyは2つのコンポーネントで構成されている。 このタグはキーストロークによって誘導される振動と音響信号を捕捉し、2つの磁気結合型LC共振器を用いて後方散乱RF信号の周波数シフトに変調する。 この設計は、励起信号と後方散乱信号のスペクトル分離を可能にし、RFリーダに対する自己干渉を緩和し、盗聴範囲を延長する。 RFリーダは、後方散乱されたRF信号を復調して、型付きコンテンツを推測する。 専用の信号処理パイプラインを使用して、時間と周波数領域にわたるユーザとキーボードに依存しないキーストローク機能を抽出し、強力な一般化を可能にする。 適応性をさらに向上するため、RadKeyはLLMをオンライン適応用に統合し、LLM出力を擬似基底構造ラベルとして利用して実行時に分類器を洗練させる。 我々はRadKeyシステムのプロトタイプを開発し、広範囲なオーバー・ザ・エア実験を通じて評価した。 その結果,RadKeyは実世界のさまざまなユーザに対して,正確かつ堅牢なキーストローク推論を実現していることがわかった。 デモビデオは、https://radkey-submission.github.io/RadKey/で公開されている。

関連論文リスト

• DECKER: Domain-invariant Embedding for Cross-Keyboard Extraction and Recognition [7.244731714427563]
  キーボード上のアコースティックサイドチャネル攻撃(ASCA)は、重大なセキュリティリスクをもたらす。 HEARは、キーボードの一般化、ノイズ適応、ユーザのバイアスという3つの軸に沿ってASCAを研究するために設計されたデータセットである。 ドメイン不変なキーストローク推論フレームワークであるDECKERを提案する。
  論文  参考訳（メタデータ） (2026-05-05T05:43:24Z)
• Frequency-aware Decomposition Learning for Sensorless Wrench Forecasting on a Vibration-rich Hydraulic Manipulator [0.41562334038629606]
  主観的歴史からの振動リッチレンチの短期予測のための周波数対応分解ネットワーク(FDN)を提案する。 FDNは、非対称決定性および確率的ヘッドによるスペクトルレンチを予測し、高周波数残差を学習条件分布としてモデル化する。 我々は、大規模なオープンソースロボットデータセット上でFDNを事前訓練し、学習したプロプリセプション・トゥ・レンチ表現を下流に転送する。
  論文  参考訳（メタデータ） (2026-04-14T15:54:29Z)
• RF-GPT: Teaching AI to See the Wireless World [48.294819966466044]
  大規模言語モデル(LLM)とマルチモーダルモデルは、強力な汎用推論システムとなっている。 RF-GPT(RF-GPT)は、マルチモーダルの視覚エンコーダを用いて、RFスペクトログラムの処理と理解を行う無線言語モデルである。 テキストのみのLLMは、これらのキャプションをRF地上の命令回答ペアに変換し、約12,000のRFシーンと2500万のサンプルを生成する。
  論文  参考訳（メタデータ） (2026-02-16T15:24:56Z)
• SONAR: Spectral-Contrastive Audio Residuals for Generalizable Deepfake Detection [6.042897432654865]
  Spectral-cONtrastive Audio Residuals (AR)は、ディープフェイクオーディオ検出器のための周波数誘導フレームワークである。 ARは音声信号を補完表現に切り離す。 ASVspoof 2021およびin-the-wildベンチマークで評価した。
  論文  参考訳（メタデータ） (2025-11-26T12:16:38Z)
• Transmitter Identification via Volterra Series Based Radio Frequency Fingerprint [3.7848713545513317]
  RFF(Radio Frequency Fingerprinting)は、暗号を必要とせず、偽造に抵抗するため、有望な解決策を提供する。 既存のRFFアプローチは、しばしば統一理論と効果的な特徴抽出を欠いている。 本研究では,送信機をブラックボックスとしてモデル化し,送信信号への影響を分析する。 パブリックなLoRaデータセットの実験では、静的チャネルでは98%以上の精度で、マルチパスとドップラー効果下で90%以上の精度で、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-10-22T10:11:41Z)
• Non-intrusive and Unconstrained Keystroke Inference in VR Platforms via Infrared Side Channel [7.493632378968814]
  メインストリームVRプラットフォームの星座追跡システムに,新たなサイドチャネルリークを新たに提示する。 コントローラとヘッドセットのインタラクションのためにVRコントローラから出力される赤外線(IR)信号は悪意的に悪用され、制約のない入力キーストロークを再構築することができる。 本稿では,この新しい赤外線側チャネルの実現可能性と実用性を示すために,VRecKeyという新しいキーストローク推論攻撃を提案する。
  論文  参考訳（メタデータ） (2024-12-19T13:09:46Z)
• Rydberg Atomic Quantum Receivers for Classical Wireless Communication and Sensing [71.94873601156017]
  Rydberg 原子量子受信機 (RAQR) は、高周波(RF)信号を受信するように設計された量子精密センシングプラットフォームを新たに開発している。 RAQRは光-原子相互作用に基づくRF-光変換を実現する。 初期の実験的研究は、古典的な無線通信とセンシングにおけるその能力を実証した。
  論文  参考訳（メタデータ） (2024-09-22T15:55:02Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• Classification of multi-frequency RF signals by extreme learning, using magnetic tunnel junctions as neurons and synapses [46.000685134136525]
  磁気トンネル接合は並列に複数の周波数でRF入力を処理可能であることを示す。 極端学習と呼ばれるバックプロパゲーションフリーの手法を用いて、RF信号で符号化されたノイズの多い画像を分類する。 これらの結果は、組み込みの高周波人工知能にとって重要なステップである。
  論文  参考訳（メタデータ） (2022-11-02T14:09:42Z)
• Sign Language Recognition via Skeleton-Aware Multi-Model Ensemble [71.97020373520922]
  手話は一般的に、聴覚障害者やミュート人がコミュニケーションするために使われる。 孤立手話認識(SLR)のためのGlobal Ensemble Model(GEM)を用いた新しいマルチモーダルフレームワークを提案する。 提案するSAM-SLR-v2 フレームワークは極めて有効であり,最先端の性能を高いマージンで達成している。
  論文  参考訳（メタデータ） (2021-10-12T16:57:18Z)

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。