論文の概要: Characterizing and Mitigating the Effects of Device Temperature on RF Fingerprinting Accuracy

• arxiv url: http://arxiv.org/abs/2607.25070v1
• Date: Mon, 27 Jul 2026 21:00:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.621267
• Title: Characterizing and Mitigating the Effects of Device Temperature on RF Fingerprinting Accuracy
• Title（参考訳）: RFフィンガープリント精度に及ぼすデバイス温度の影響のキャラクタリゼーションと緩和
• Authors: Haytham Albousayri, Bechir Hamdaoui,
• Abstract要約: RFFP(Radio Frequency Fingerprinting)は、ハードウェア固有の障害を利用したデバイス認証のための有望なアプローチとして登場した。 温度に対するRFFP感度は、デバイスシグネチャを著しく変更し、分類性能を低下させる。 本稿では,デバイス温度情報を学習プロセスに明示的に組み込んだRFFPフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.065243326333468
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radio Frequency Fingerprinting (RFFP) has emerged as a promising approach for device authentication by exploiting hardware-specific impairments embedded in transmitted signals. Yet existing methods largely overlook a major drawback: RFFP sensitivity to temperature--a critical factor influenced by both internal and environmental conditions--which can significantly alter device signatures and degrade classification performance. In this paper, we propose a novel temperature-aware RFFP framework that explicitly incorporates device temperature information into the learning process to improve robustness and generalization. We evaluate the proposed method on a real-world Bluetooth Low Energy (BLE) dataset collected across multiple devices and environmental conditions. Experimental results demonstrate that temperature-aware modeling consistently outperforms other temperature mitigation baselines, achieving significant improvements in classification accuracy, particularly under unseen temperature and environmental conditions.
• Abstract（参考訳）: RFFP(Radio Frequency Fingerprinting)は、送信信号に埋め込まれたハードウェア固有の障害を活用することで、デバイス認証のための有望なアプローチとして登場した。 RFFP感度(RFFP sensitivity to temperature)は、内部および環境条件の両方に影響される重要な要因であり、デバイスシグネチャを著しく変更し、分類性能を低下させる。 本稿では,デバイス温度情報を学習プロセスに明示的に組み込んで,ロバスト性や一般化を向上する,新しい温度対応RFFPフレームワークを提案する。 提案手法を,複数のデバイスおよび環境条件で収集した実世界のBluetooth Low Energy(BLE)データセット上で評価した。 実験により、温度認識モデリングは、他の温度緩和ベースラインよりも一貫して優れており、特に目立たない温度や環境条件下では、分類精度が大幅に向上していることが示された。

関連論文リスト

• ThRIve: Thermally Robust CNN Inference via Low-Rank Adaptation in Heterogeneous PIM Architectures [13.754183593794131]
  Processing-In-Memory(PIM)は、機械学習(ML)ワークロードを高速化するための有望な技術として登場した。 PIMデバイスは熱雑音などの非イデオロギーに悩まされる。 このノイズは、実際のモデル重みに対応するメモリセルの格納値を変更し、推測精度を向上させる。 我々は、低ランク適応を利用して、熱的に堅牢な推論を可能にする雑音認識学習手法ThRIveを紹介する。
  論文  参考訳（メタデータ） (2026-07-19T06:03:25Z)
• Physical-AI: From Channel Awareness to Environmental Intelligence in 6G Wireless Networks [100.92510794177822]
  従来の無線ネットワークは、物理的環境を明示的にモデル化することなく、瞬時チャネル状態情報(CSI)に依存し、チャネルの変動に反応する。 本研究では,環境に配慮した無線ネットワークのための新しいアーキテクチャであるPhysical-AIを提案する。 提案手法は,特にビームスイッチング遅延の増加にともなって,停止確率とブロック応答遅延を低減させる。
  論文  参考訳（メタデータ） (2026-05-12T09:02:20Z)
• Learning to Reconstruct Temperature Field from Sparse Observations with Implicit Physics Priors [22.013633764284936]
  温度場における測定の高コスト化と相当な分布変化は、再構成モデルの開発に挑戦する。 暗黙的な物理誘導型温度場再構成フレームワークであるIPTRを提案する。 我々はIPTRが既存の手法を一貫して上回り、最先端の再構築精度と強力な一般化能力を実現していることを示す。
  論文  参考訳（メタデータ） (2025-12-01T02:22:30Z)
• TempPerturb-Eval: On the Joint Effects of Internal Temperature and External Perturbations in RAG Robustness [3.796841688047966]
  本研究は,複数のLLM動作におけるテキスト摂動と温度設定との相互作用について,系統的研究を行った。 本稿では,様々な温度設定の異なる3種類の摂動タイプに文書を検索する総合的なRAG摂動温度解析フレームワークを提案する。 本研究は,(1)RAGロバスト性評価のための診断ベンチマーク,(2)摂動-温度相互作用の定量化のための分析フレームワーク,(3)ノイズのある検索条件下でのモデル選択とパラメータチューニングの実践的ガイドラインの3つの重要な貢献をもたらす。
  論文  参考訳（メタデータ） (2025-12-01T01:46:36Z)
• Virtual Sensing for Solder Layer Degradation and Temperature Monitoring in IGBT Modules [0.0491574468325115]
  本報告では, 半田層の劣化状態を推定し, 対応する全温度マップを, 限られた物理センサ数に基づいて推定できる可能性について検討する。 劣化した半田面積の推定精度は高く, 最大相対誤差4.56%でIGBTの表面温度を再現できる。
  論文  参考訳（メタデータ） (2025-08-14T10:40:46Z)
• Temperature-Centric Investigation of Speculative Decoding with Knowledge Distillation [76.5894260737116]
  本稿では,復号化温度が投機的復号化効果に及ぼす影響を考察する。 我々はまず、高温での復号化の課題を強調し、一貫した温度設定でKDを実証することが治療である可能性を実証した。 これらの知見に基づいて,特に高温環境での投機的復号化の高速化を図った。
  論文  参考訳（メタデータ） (2024-10-14T04:17:45Z)
• Simultaneous temperature estimation and nonuniformity correction from multiple frames [0.0]
  低コストのマイクロボロメーターベースの赤外線カメラは、空間的に不均一であり、温度測定でドリフトする傾向がある。 低コストマイクロボロメータカメラで捉えた複数フレームからの同時温度推定と非均一性補正(NUC)のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-23T11:28:25Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Evaluating Short-Term Forecasting of Multiple Time Series in IoT Environments [67.24598072875744]
  IoT(Internet of Things)環境は、多数のIoT対応センシングデバイスを介して監視される。 この問題を緩和するため、センサーは比較的低いサンプリング周波数で動作するように設定されることが多い。 これは、予測などの後続の意思決定を劇的に妨げる可能性がある。
  論文  参考訳（メタデータ） (2022-06-15T19:46:59Z)

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。