論文の概要: AirKey: Multimodal Acoustic-Assisted WiFi Sensing for Zero-Training Robust PIN Inference

• arxiv url: http://arxiv.org/abs/2608.03151v1
• Date: Tue, 04 Aug 2026 05:30:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 07:04:20.697499
• Title: AirKey: Multimodal Acoustic-Assisted WiFi Sensing for Zero-Training Robust PIN Inference
• Title（参考訳）: AirKey: ゼロトレーニングロバストPIN推論のためのマルチモーダルアコースティックアシストWiFiセンシング
• Authors: BaiChuan Wu, Bin Liu, Xiang Zhang, Zhi Liu, Jie Zhang, Chao Liu, Huan Yan, Meng Li, Fusang Zhang,
• Abstract要約: WiFiによる非接触キーストローク推論は、深刻なプライバシーの脅威を浮き彫りにする。 AirKeyは、eavesdroppingを実現する新しいクロスモーダルセンシングフレームワークである。 AirKeyは、最先端のユニモーダルゼロトレーニングスキームよりも4倍高い精度を実現している。
• 参考スコア（独自算出の注目度）: 18.673405698977145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Contactless keystroke inference via WiFi sensing highlights severe privacy threats, yet its real-world feasibility is hindered by two fundamental physical and deployment bottlenecks: the strict requirement for network privileges to acquire stable sensing streams, and the inherent "waveform fusion" ambiguity of pure WiFi signals during rapid, muscle-memory typing. To overcome these limitations, we propose AirKey, a novel cross-modal sensing framework that achieves highly stealthy, zero-training PIN eavesdropping. First, to bypass network deployment barriers, AirKey exploits fundamental IEEE 802.11 mechanisms to predictably elicit Acknowledgment (ACK) responses from unmodified target devices. By passively harvesting Channel State Information (CSI) from these ACKs using a low-cost microcontroller, AirKey secures a continuous spatial sensing stream entirely without network association. Crucially, to resolve the WiFi waveform fusion bottleneck, AirKey introduces a cross-modal complementarity mechanism. By utilizing lightweight acoustic signals as precise temporal anchors, the system robustly guides the segmentation of overlapping CSI trajectories. This joint spatiotemporal fusion strictly intersects CSI-derived spatial similarities with acoustic-guided inter-keystroke timing. Extensive real-world evaluations demonstrate that AirKey achieves over 4x higher accuracy than state-of-the-art unimodal zero-training schemes, successfully recovering device-unlock PINs within 6 attempts. Ultimately, this work exposes a critical vulnerability in contemporary smart interfaces, underscoring the severe privacy implications of ubiquitous multimodal sensing.
• Abstract（参考訳）: WiFiによる非接触キーストローク推論は、厳しいプライバシー上の脅威を浮き彫りにするが、実際の実現可能性には、安定したセンシングストリームを取得するためのネットワーク特権の厳格な要件と、迅速な筋肉の入力中に純粋なWiFi信号があいまいである、という2つの基本的な物理的およびデプロイメントのボトルネックがある。 このような制約を克服するために,高ステルスでゼロトレーニングのPIN盗聴を実現する新しいクロスモーダルセンシングフレームワークであるAirKeyを提案する。 まず、ネットワークのデプロイメント障壁をバイパスするために、AirKeyはIEEE 802.11メカニズムを利用して、修正されていないターゲットデバイスからAcknowledgment (ACK)レスポンスを予測できる。 低コストのマイクロコントローラを用いて、これらのACKからチャネル状態情報(CSI)を受動的に回収することにより、AirKeyはネットワークアソシエーションなしで連続的な空間センシングストリームを確保できる。 重要なことは、WiFi波形融合のボトルネックを解決するために、AirKeyは相互補完機構を導入している。 軽量音響信号を正確な時間アンカーとして利用することにより、重なり合うCSI軌道のセグメンテーションを強く導く。 この結合時空間融合は、CSI由来の空間的類似性と、音響誘導されたキーストローク時間とを厳密に交わす。 大規模な実世界の評価では、AirKeyは最先端のゼロトレーニングスキームよりも4倍高い精度を実現し、6回の試行でデバイスアンロックPINの回復に成功した。 最終的に、この研究は、ユビキタスマルチモーダルセンシングの深刻なプライバシーへの影響を裏付ける、現代のスマートインターフェースの重大な脆弱性を露呈する。

関連論文リスト

• QUACK! Making the (Rubber) Ducky Talk: A Systematic Study of Keystroke Dynamics for HID Injection Detection [60.105690843777666]
  我々は、タイミング機能のみで動作する軽量モデルを使用して、堅牢でプライバシー保護の検知が達成可能であることを示す。 分析の結果,攻撃者の高度化は単調に回避を改善できないことが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-17T08:53:24Z)
• AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
  AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。 AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
  論文  参考訳（メタデータ） (2026-01-14T20:56:50Z)
• WiFi-based Cross-Domain Gesture Recognition Using Attention Mechanism [61.79272554643873]
  本稿では,マルチセマンティックアテンション機構と自己注意に基づくチャネル機構を融合したジェスチャー認識ネットワークを提案する。 その結果、99.72%のドメイン内精度を維持するだけでなく、97.61%のクロスドメイン認識でも高い性能を発揮することがわかった。
  論文  参考訳（メタデータ） (2025-12-04T07:09:13Z)
• Extracting Range-Doppler Information of Moving Targets from Wi-Fi Channel State Information [1.3581639904351783]
  3つの重要な革新を通じて両課題に対処する新しい信号処理手法を提案する。 提案手法は、商用のIntel WiFi AX211を用いて、移動目標のレンジドプラ推定におけるcmレベルの精度を実現する。
  論文  参考訳（メタデータ） (2025-08-04T18:10:18Z)
• Privacy-Preserving Secure Neighbor Discovery for Wireless Networks [0.0]
  従来のND(Neighbor Discovery)とSND(Secure Neighbor Discovery)は、ネットワーク機能の主要な要素である。 本稿では、デバイスが実際の身元や位置を明らかにすることなくSNDを実行することのできる、新しいプライバシー保護型セキュリティ近傍発見(PP-SND)プロトコルを提案する。
  論文  参考訳（メタデータ） (2025-03-28T08:27:47Z)
• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Security Analysis of WiFi-based Sensing Systems: Threats from Perturbation Attacks [18.25251260793266]
  ディープラーニング技術は本質的に、敵の摂動攻撃に弱い。 本稿では,WiIntruderと呼ばれる攻撃を,堅牢性,普遍性,ステルスネスで識別する。 テストでは、ユーザ認証や呼吸監視を含む、一般的なWiFiベースのサービスに対する摂動攻撃の現実的な脅威を確認する。
  論文  参考訳（メタデータ） (2024-04-24T01:43:07Z)
• Domain-Agnostic Hardware Fingerprinting-Based Device Identifier for Zero-Trust IoT Security [7.8344795632171325]
  次世代ネットワークは、人間、機械、デバイス、システムをシームレスに相互接続することを目的としている。 この課題に対処するため、Zero Trust(ZT)パラダイムは、ネットワークの完全性とデータの機密性を保護するための重要な方法として登場した。 この研究は、新しいディープラーニングベースの無線デバイス識別フレームワークであるEPS-CNNを導入している。
  論文  参考訳（メタデータ） (2024-02-08T00:23:42Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)
• An Online Ensemble Learning Model for Detecting Attacks in Wireless Sensor Networks [0.0]
  我々は、アンサンブル学習として知られる重要な機械学習の概念を適用して、インテリジェントで効率的で、かつ、高機能な侵入検知システムを開発する。 本稿では,感覚データ解析における同種・異種のオンラインアンサンブルの応用について検討する。 提案されたオンラインアンサンブルのうち、アダプティブ・ランダム・フォレスト(ARF)とHoeffding Adaptive Tree(HAT)アルゴリズムを組み合わせた異種アンサンブルと、10モデルからなる同種アンサンブルHATは、それぞれ96.84%と97.2%という高い検出率を達成した。
  論文  参考訳（メタデータ） (2022-04-28T23:10:47Z)

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。