論文の概要: Replicating the Signature: Unsupervised Targeted Impersonation Attack on RF Fingerprinting

• arxiv url: http://arxiv.org/abs/2607.05549v1
• Date: Mon, 06 Jul 2026 18:33:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-08 21:24:51.301992
• Title: Replicating the Signature: Unsupervised Targeted Impersonation Attack on RF Fingerprinting
• Title（参考訳）: 署名の再現:RFフィンガープリントにおける教師なしの偽装攻撃
• Abstract要約: 本稿では,RFフィンガープリント(RFFP)識別システムを,対象装置のハードウェア固有の障害を再現する信号を合成することによって,偽装攻撃の枠組みを提案する。 我々のフレームワークは教師なし学習を活用して正確な障害推定を可能にし、信号処理に基づく生成と組み合わせて高忠実度対向信号の合成を行う。
• 参考スコア（独自算出の注目度）: 3.065243326333468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel impersonation attack framework that aims to fool RF Fingerprinting (RFFP) identification systems by synthesizing signals that replicate the hardware-specific impairments of a target device. Our framework leverages unsupervised learning to enable accurate impairment estimation, combined with signal processing-based generation to synthesize high-fidelity adversarial signals. Unlike prior works that assume full access to the legitimate (victim) RFFP classifier, we consider a more realistic attack strategy where the adversary performs the attack from a completely different transceiver hardware. We further evaluate our proposed attack under realistic and challenging deployment settings, including over-the-air transmission in both Line-of-Sight (LoS) and Non-Line-of-Sight (NLoS) scenarios. Extensive experiments conducted on a Bluetooth Low Energy (BLE) device testbed demonstrate that our attacks remain highly effective even under severe access constraints, significantly outperforming existing baselines in terms of targeted attack success rates by over 80%. We additionally analyze the effects of cross-domain generalization, signal representation mismatch, and classifier diversity, highlighting the robustness and
• Abstract（参考訳）: 本稿では,RFフィンガープリント(RFFP)識別システムを,対象装置のハードウェア固有の障害を再現する信号を合成することによって,偽装攻撃の枠組みを提案する。 我々のフレームワークは教師なし学習を活用して正確な障害推定を可能にし、信号処理に基づく生成と組み合わせて高忠実度対向信号の合成を行う。 正当性(被害者)RFFP分類器をフルアクセスする以前の作業とは異なり、敵が全く異なるトランシーバハードウェアから攻撃を行うより現実的な攻撃戦略を考える。 また,Line-of-Sight (LoS) とNon-Line-of-Sight (NLoS) の両シナリオにおけるオーバー・ザ・エア・トランスミッションを含む,現実的で困難な展開環境下での攻撃について検討した。 Bluetooth Low Energy (BLE) デバイステストベッドで実施した大規模な実験は、我々の攻撃は厳しいアクセス制限の下でも非常に効果的であり、標的となる攻撃の成功率において、既存のベースラインを80%以上上回っていることを示している。 さらに、クロスドメイン一般化、信号表現ミスマッチ、分類器の多様性の影響を解析し、ロバストさとロバストさを強調した。

関連論文リスト

• Sample-wise Targeted Adversarial Attacks on Test-time Adaptation [1.7839351559374899]
  テスト時間適応(TTA)は、分散シフトに効果的に対処するが、ラベルのないテストストリームを介して、敵の操作にモデルを公開する。 より現実的な脅威を捉えるために、サンプルワイド攻撃を導入する。 従来のアプローチとは異なり、攻撃者は攻撃者によるトリガーを含む入力のみを誤分類することを目的としており、検出を回避するために良質なクエリのグローバルなラベル分布を保存している。
  論文  参考訳（メタデータ） (2026-05-22T09:18:22Z)
• TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
  分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。 我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。 我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
  論文  参考訳（メタデータ） (2026-04-30T13:44:01Z)
• Elevating Intrusion Detection and Security Fortification in Intelligent Networks through Cutting-Edge Machine Learning Paradigms [5.706727902661187]
  本研究では,頑健なマルチクラス機械学習による侵入検出フレームワークを提案する。 高度な特徴選択技術を統合して、重要な属性を識別し、冗長性を緩和し、検出精度を向上する。 提案したアンサンブルアーキテクチャは,98%の精度,98%の精度,98%のリコール,2%の偽陽性率で優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-12-22T05:14:26Z)
• RAG-targeted Adversarial Attack on LLM-based Threat Detection and Mitigation Framework [0.19116784879310025]
  IoT(Internet of Things)の急速な拡張は、業界全体のコミュニケーションと運用のプラクティスを変革する一方で、攻撃面を広げ、セキュリティ侵害に対する感受性を高めている。 人工知能はIoTネットワークを保護する上で重要なソリューションとなり、Large Language Models(LLM)は自動攻撃行動分析と緩和提案を可能にしている。 LLMベースのIoT攻撃分析と緩和フレームワークを攻撃して、その敵の堅牢性をテストする。
  論文  参考訳（メタデータ） (2025-11-09T03:50:17Z)
• Collusion-Driven Impersonation Attack on Channel-Resistant RF Fingerprinting [15.295614131186142]
  本稿では, 偽りのRFレベルの模倣を実現する, 共謀駆動型偽装攻撃を提案する。 提案手法は,異なるチャネル条件下で95%以上の成功率を維持する。
  論文  参考訳（メタデータ） (2025-09-26T10:13:34Z)
• The Silent Saboteur: Imperceptible Adversarial Attacks against Black-Box Retrieval-Augmented Generation Systems [101.68501850486179]
  本稿では,RAGシステムに対する敵攻撃について検討し,その脆弱性を同定する。 このタスクは、ターゲット文書を検索する非知覚的な摂動を見つけることを目的としており、もともとはトップ$k$の候補セットから除外されていた。 本稿では、攻撃者とターゲットRAG間の相互作用を追跡する強化学習ベースのフレームワークであるReGENTを提案する。
  論文  参考訳（メタデータ） (2025-05-24T08:19:25Z)
• Multi-granular Adversarial Attacks against Black-box Neural Ranking Models [111.58315434849047]
  多粒性摂動を取り入れた高品質な逆数例を作成する。 我々は,多粒体攻撃を逐次的意思決定プロセスに変換する。 本手法は,攻撃の有効性と非受容性の両方において,一般的なベースラインを超えている。
  論文  参考訳（メタデータ） (2024-04-02T02:08:29Z)
• AudioFool: Fast, Universal and synchronization-free Cross-Domain Attack on Speech Recognition [0.9913418444556487]
  オーバー・ザ・エア(OTA)モデルと互換性のあるロバスト攻撃に必要な特性について検討する。 任意の特性を持つ攻撃を発生させる手法を設計する。 本手法を標準キーワード分類タスクで評価し,OTAで解析する。
  論文  参考訳（メタデータ） (2023-09-20T16:59:22Z)
• 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)

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。