論文の概要: Robust and Precise Application Fingerprinting on 5G Physical Uplink Channel

• arxiv url: http://arxiv.org/abs/2606.15221v1
• Date: Sat, 13 Jun 2026 09:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.062787
• Title: Robust and Precise Application Fingerprinting on 5G Physical Uplink Channel
• Title（参考訳）: 5G物理アップリンクチャネルにおけるロバスト・精密フィンガープリント
• Authors: Yu Li, Liqi Zhuang, Dong Wei, Jiwen Luo, Hang Zhang, Meng Zhang, Xiaona Li, Weiqing Huang,
• Abstract要約: 空気フィンガープリンティングは、細胞制御チャネルからメタデータを嗅ぎ出すことによってアプリケーションアクティビティを推測する。 5Gはこれらのチャネルを暗号化し、以前の攻撃が依存していたアタックチェーンを破る。 本稿では,暗号化をバイパスする物理層側チャネルを明らかにする。
• 参考スコア（独自算出の注目度）: 14.703722937793641
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Air fingerprinting infers application activity by sniffing metadata from cellular control channels. 5G encrypts these channels, breaking the attack chain that prior attacks depend on. This paper reveals a physical-layer side channel that bypasses encryption: under the link adaptation mandated by the cellular communication standard, the uplink Modulation and Coding Scheme (MCS) remains stable, so the number of Physical Resource Blocks (PRBs) occupied by a transmission accurately reflects the IP packet length. Combined with the uplink control channel that carries downlink information, an attacker can reconstruct a bidirectional traffic profile. This bidirectional information recovery can be achieved simply by observing the uplink spectrum, without decoding any channel. Building on this side channel, we design Crosshair, a passive three-step attack. First, a blind extraction stage recovers the uplink physical channel occupancy from raw IQ samples via energy detection, reconstructing bidirectional traffic from uplink spectrum. Second, we design a data augmentation method that synthesizes spectral profiles across diverse channel conditions, eliminating the need for prior knowledge of the communication environment. Third, cross-modal alignment embeds the spectral and IP domains into a shared space, enabling new applications to be enrolled from a collected IP trace alone. Extensive experiments on a 5G NR testbed demonstrate the robustness and precision of Crosshair: it outperforms the State-of-the-Art (SOTA) physical layer fingerprinting method in application recognition accuracy, and maintains high accuracy in cross-MCS scenarios.
• Abstract（参考訳）: 空気フィンガープリンティングは、細胞制御チャネルからメタデータを嗅ぎ出すことによってアプリケーションアクティビティを推測する。 5Gはこれらのチャネルを暗号化し、以前の攻撃が依存していた攻撃チェーンを破る。 本稿では,通信規格に規定されたリンク適応の下では,アップリンク変調符号化方式(MCS)は安定であり,送信によって占有される物理資源ブロック(PRB)の数はIPパケット長を正確に反映する。 ダウンリンク情報を運ぶアップリンク制御チャネルと組み合わせることで、攻撃者は双方向のトラフィックプロファイルを再構築することができる。 この双方向情報回復は、チャネルを復号することなく、アップリンクスペクトルを観察するだけで実現できる。 このチャネル上に構築されたクロスヘアは、3段階のパッシブ攻撃である。 まず、ブラインド抽出段階は、アップリンクスペクトルからの双方向トラフィックを再構成し、エネルギー検出により生のIQサンプルからアップリンク物理チャネル占有を回復する。 第2に、様々なチャネル条件のスペクトルプロファイルを合成するデータ拡張手法を設計し、通信環境の事前知識を不要にする。 第3に、クロスモーダルアライメントはスペクトルとIPドメインを共有空間に埋め込み、新しいアプリケーションを収集されたIPトレースからのみ登録できるようにする。 5G NRテストベッドでの大規模な実験では、クロスヘアの堅牢性と精度が示され、アプリケーション認識精度において、SOTA(State-of-the-Art)物理層指紋法よりも優れており、クロスMCSシナリオでは高い精度を維持している。

関連論文リスト

• Tracing the Chain: Deep Learning for Stepping-Stone Intrusion Detection [7.981257687111937]
  ステッピングストーン侵入(SSI)は一般的なネットワーク回避手法である。 効果的なSSI検出には、各リレーホストの入出力フローを極めて低い偽陽性率で関連付ける必要がある。 ESPRESSOは、トランスフォーマーベースの特徴抽出ネットワーク、タイムアラインな多チャンネル間隔特徴、オンライントリプレットメトリック学習を組み合わせたフロー相関モデルである。
  論文  参考訳（メタデータ） (2026-04-09T22:26:52Z)
• Benchmarking Dataset for Presence-Only Passive Reconnaissance in Wireless Smart-Grid Communications [2.721477719641864]
  本稿では,一様無線および有線リンクを持つ有線ホームエリアネットワーク(HAN),近隣エリアネットワーク(NAN)および広帯域ネットワーク(WAN)通信グラフ上での受動偵察のためのIEEEに着想を得た文献アンコール型ベンチマーク・データセット・ジェネレータを提案する。
  論文  参考訳（メタデータ） (2026-03-10T12:39:03Z)
• BiLCNet : BiLSTM-Conformer Network for Encrypted Traffic Classification with 5G SA Physical Channel Records [3.4949103362575573]
  生のチャネルレコードを構造化表現に変換する前処理パイプラインを開発した。 本稿では,BiLSTMの逐次モデリング機能とコンフォーマーブロックの空間的特徴抽出強度を統合したBiLSTM-Conformer Network (BiLCNet)を提案する。 分類精度は93.9%であり,従来の機械学習アルゴリズムやディープラーニングアルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2025-09-22T08:27:11Z)
• 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)
• SCTransNet: Spatial-channel Cross Transformer Network for Infrared Small Target Detection [46.049401912285134]
  赤外線小ターゲット検出(IRSTD)は近年,U字型ニューラルモデルから大きな恩恵を受けている。 既存のテクニックは、ターゲットが背景と高い類似性を持つ場合に苦労する。 本稿では,空間チャネルクロストランスネットワーク(SCTransNet)を提案する。
  論文  参考訳（メタデータ） (2024-01-28T06:41:15Z)
• Practical quantum secure direct communication with squeezed states [37.69303106863453]
  CV-QSDCシステムの最初の実験実験を行い,その安全性について報告する。 この実現は、将来的な脅威のない量子大都市圏ネットワークへの道を歩み、既存の高度な波長分割多重化(WDM)システムと互換性がある。
  論文  参考訳（メタデータ） (2023-06-25T19:23:42Z)
• Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
  狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。 導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
  論文  参考訳（メタデータ） (2022-05-22T12:16:43Z)
• Convergence of Federated Learning over a Noisy Downlink [84.55126371346452]
  我々は,遠隔パラメータサーバの助けを借りて,ローカルデータセットを利用してグローバルモデルを協調訓練するフェデレーション学習について検討した。 このフレームワークは、PSからデバイスへのダウンリンク送信と、デバイスからPSへのアップリンク送信を必要とする。 本研究の目的は、ダウンリンクとアップリンクの両方における帯域幅制限された共有無線媒体がFLの性能に与える影響を検討することである。
  論文  参考訳（メタデータ） (2020-08-25T16:15:05Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。