論文の概要: Chained Attacks on Drone-Based Federated Learning: From Network Disruption to Device Impersonation

• arxiv url: http://arxiv.org/abs/2607.20280v1
• Date: Wed, 22 Jul 2026 15:28:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.132879
• Title: Chained Attacks on Drone-Based Federated Learning: From Network Disruption to Device Impersonation
• Title（参考訳）: ドローンによるフェデレーション学習における連鎖攻撃:ネットワーク破壊からデバイス偽造まで
• Abstract要約: 本稿では,ネットワーク層によるサービス拒否とクレデンシャルベースの不正行為を組み合わせた,ドローンベースのFLシステムに対する連鎖攻撃について検討する。 Independent and Identically Distributed (IID)およびNon-Independently and Identically Distributed (Non-IID)データ分散における可用性破壊の影響を定量化する。 特に非IID条件下では,短期無線割り込みさえも実質的なトレーニング不安定に陥ることが判明した。
• 参考スコア（独自算出の注目度）: 5.5611110701134026
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Edge Intelligence (EI) has emerged as a transformative model for mission-critical unmanned platforms, such as drone swarms, by enabling collaborative model training at the network periphery. However, the security of FL deployments depends on both network availability and robust client authentication mechanisms. This paper investigates a chained attack against drone-based FL systems that combines network-layer denial-of-service with credential-based impersonation. We demonstrate that an adversary can: (1) force legitimate drones offline using 802.11 deauthentication attacks, and (2) subsequently impersonate the disconnected drone using extracted credentials. Through a systematic literature review and empirical validation using the Flower framework on two distinct testbeds of Raspberry Pi and Jetsons, we quantify the impact of availability disruptions under Independent and Identically Distributed (IID) and Non-Independently and Identically Distributed (Non-IID) data distributions, and confirm that single-factor authentication permits post-disconnect impersonation. Our findings reveal that even short-term wireless interruptions cascade into substantial training instability, particularly under non-IID conditions, while the authentication gap enables adversaries to seamlessly replace disconnected nodes. We discuss the compounded implications for mission-critical drone deployments and outline directions for future defenses addressing both availability and authentication vulnerabilities.
• Abstract（参考訳）: エッジインテリジェンス(EI)は、ネットワーク周辺での協調モデルトレーニングを可能にすることで、ドローン群のようなミッションクリティカルな無人プラットフォームのためのトランスフォーメーションモデルとして登場した。 しかし、FLデプロイメントのセキュリティは、ネットワーク可用性と堅牢なクライアント認証メカニズムの両方に依存します。 本稿では,ネットワーク層によるサービス拒否とクレデンシャルベースの不正行為を組み合わせた,ドローンベースのFLシステムに対する連鎖攻撃について検討する。 敵は,(1)802.11デオーセンティケーション攻撃で合法ドローンをオフラインに強制し,(2)抽出された認証情報を用いて非接続ドローンを偽装する。 Independent and Identically Distributed (IID)とNon-Independently and Identically Distributed (Non-IID)の2つのテストベッド上でのFlowerフレームワークによる体系的な文献レビューと実証検証を通じて、独立およびIdentically Distributed (IID)と非独立およびIdentically Distributed (Non-IID)のデータ分散の下での可用性破壊の影響を定量化し、単一要素認証が相互接続後の不正行為を許容することを確認する。 以上の結果から,短期無線割り込みさえも,特に非IID条件下での相当なトレーニング不安定に陥り,また認証ギャップにより,非接続ノードをシームレスに置き換えることができることがわかった。 ミッションクリティカルなドローン配備における複雑な影響について論じ、可用性と認証の脆弱性に対処する今後の防衛方針について概説する。

関連論文リスト

• AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
  AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。 本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
  論文  参考訳（メタデータ） (2026-08-26T11:48:38Z)
• FlowGuard: Flow Matching for Identity-Independent Detection of Data-Free Model Stealing Attacks on Energy System Intrusion Detection Systems [0.0]
  FlowGuardは、入ってくるクエリをアウト・オブ・ディストリビューション(OOD)として分類するフローマッチングに基づく、IDに依存しない防御である。 このアプローチは、データフリーモデル盗難攻撃のために合成的に生成されたクエリが、実際のネットワークトラフィックよりも低次元の多様体を占有しているという事実を生かしている。 我々は,MAZE と DisGUIDE 攻撃を用いたPRADA と FDINet に対して,単サイクルで分散した (100-client Sybil) 設定で評価した。
  論文  参考訳（メタデータ） (2026-06-02T10:18:45Z)
• Detecting and Mitigating Backdoor Attacks in OTA-FL Systems: A Two-Stage Robust Aggregation Scheme [27.75838619796163]
  オーバー・ザ・エア・フェデレーション・ラーニング (OTA-FL) は無線チャネルの重ね合わせ特性を利用して通信効率を向上させる。 パラメータサーバは個々のローカル更新にアクセスできない。 OTA-FLにおけるバックドア攻撃に対する防御のための2段階のロバストアグリゲーションフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-19T01:57:31Z)
• 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)
• Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
  悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。 我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
  論文  参考訳（メタデータ） (2026-01-06T10:30:41Z)
• Stealth and Evasion in Rogue AP Attacks: An Analysis of Modern Detection and Bypass Techniques [0.0]
  このプロジェクトの目的は、ステルス対応のRogue APを設計し、オープンソースのNIDS/IPSであるSuricataに対する検出性を評価することである。 Wifipumpkin3を使って、研究チームは、接続されたデバイスからユーザーの認証情報を収集するキャプチャーポータルをうまく展開した。 本報告では,攻撃の実施,回避手法,および局所無線脅威検出における現在のNIDSソリューションの限界について述べる。
  論文  参考訳（メタデータ） (2025-12-11T09:45:48Z)
• TBRD: TESLA Authenticated UAS Broadcast Remote ID [3.540702214700106]
  FAAは、無人航空機が位置、オペレーターの位置、アイデンティティをリアルタイムで放送することを要求するリモートID命令を導入した。 現在の標準では認証機構が不明確であり、スプーフィング、リレー、リプレイ攻撃が可能である。 本稿では,既存の標準やUAS機能と整合したリモートIDメッセージの認証システムを提案する。
  論文  参考訳（メタデータ） (2025-10-13T12:41:04Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• Securing Wi-Fi 6 Connection Establishment Against Relay and Spoofing Threats [8.770626974296949]
  現在のWi-Fiセキュリティプロトコルは、中途半端、プリアンブルスプーフ、リレーなどの攻撃を完全に緩和することができない。 我々は,物理層(PHY)のプリアンブルに,時間制約のあるデジタル署名を織り込み,後方互換性のあるスキームを設計する。 我々は,リレー攻撃検出が96-100%正の正の確率を達成することを示す。
  論文  参考訳（メタデータ） (2025-01-02T19:49:24Z)
• Avoid Adversarial Adaption in Federated Learning by Multi-Metric Investigations [55.2480439325792]
  Federated Learning(FL)は、分散機械学習モデルのトレーニング、データのプライバシの保護、通信コストの低減、多様化したデータソースによるモデルパフォーマンスの向上を支援する。 FLは、中毒攻撃、標的外のパフォーマンス劣化とターゲットのバックドア攻撃の両方でモデルの整合性を損なうような脆弱性に直面している。 我々は、複数の目的に同時に適応できる、強い適応的敵の概念を新たに定義する。 MESASは、実際のデータシナリオで有効であり、平均オーバーヘッドは24.37秒である。
  論文  参考訳（メタデータ） (2023-06-06T11:44:42Z)
• Certifiers Make Neural Networks Vulnerable to Availability Attacks [70.69104148250614]
  私たちは初めて、逆転戦略が敵によって意図的に引き起こされる可能性があることを示します。 いくつかの入力や摂動のために自然に発生する障害に加えて、敵は故意にフォールバックを誘発するために訓練時間攻撃を使用することができる。 我々は2つの新しいアベイラビリティーアタックを設計し、これらの脅威の実用的妥当性を示す。
  論文  参考訳（メタデータ） (2021-08-25T15:49:10Z)
• 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)

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。