論文の概要: TLF: Rapid Characterization of RF Transceiver Parameters in Embedded Systems via Bus-Level Interception

• arxiv url: http://arxiv.org/abs/2608.13815v1
• Date: Thu, 13 Aug 2026 23:02:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.222256
• Title: TLF: Rapid Characterization of RF Transceiver Parameters in Embedded Systems via Bus-Level Interception
• Title（参考訳）: TLF:バスレベル・インターセプションを用いた組み込みシステムにおけるRF送受信器パラメータの迅速評価
• Abstract要約: TLF(Transceiver Lifter Framework)は、RFトランシーバの構成と実行時の動作を回復するためのツールである。 トランシーバのレジスタとデータインターフェースに対して構築されたステートフルプロトコルデコーダは、RFパラメータと動作を再構築する。 異なるセムテックファミリーの2つの目標に対するアプローチを評価する。
• 参考スコア（独自算出の注目度）: 0.33985395340995606
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present TLF (Transceiver Lifter Framework), a tool for recovering RF transceiver configuration and runtime behavior from bus-level traces captured between a microcontroller and its transceiver IC. A stateful protocol decoder, built against the transceiver's register and data interface, reconstructs operating RF parameters and behavior from intercepted register writes and FIFO transfers. For bus-attached transceivers whose hardware-cryptography keys are loaded through the intercepted host interface, key material is also recoverable. Where the firmware drives frequency hopping -- either through a hardware-assisted engine or a custom schedule -- the decoder extracts the channel table, hop sequence, and timing. We evaluate the approach on two targets from different Semtech families: an SX1233-based UAV C2 modem employing firmware-level FHSS with per-packet sync word rotation, and an SX1276-based Meshtastic node exercising the LoRa register overlay. From a single bus capture, processed in seconds, TLF recovers the complete register-exposed RF configuration (modulation, band plan, phase behavior) without prior knowledge of the target firmware -- sufficient to configure a matched receiver or develop targeted countermeasures. Above the chip layer, a pluggable protocol decoder interprets recovered FIFO payloads as application PDUs, demonstrated end-to-end on Meshtastic. Firmware-level cryptographic state remains, as expected, opaque. The approach requires physical access or emulation of the target hardware, and its recovery depth is bounded by the transceiver's register interface: parameters implemented entirely in firmware (custom FEC, whitening, encryption) are observable only as opaque FIFO payloads.
• Abstract（参考訳）: マイクロコントローラとトランシーバICの間で捕捉されたバスレベルトレースからRFトランシーバ構成と実行動作を復元するツールであるTLF(Transceiver Lifter Framework)を提案する。 トランシーバのレジスタとデータインターフェースに対して構築されたステートフルプロトコルデコーダは、インターセプトされたレジスタ書き込みとFIFO転送からRFパラメータと動作を再構成する。 インターセプトされたホストインタフェースを介してハードウェア・暗号鍵がロードされたバス対応トランシーバでは、キー材も回収可能である。 ファームウェアが(ハードウェアアシストエンジンまたはカスタムスケジュールを介して)周波数ホッピングを実行する場合、デコーダはチャネルテーブル、ホップシーケンス、タイミングを抽出する。 我々は,SX1233をベースとしたUAV C2モデムと,SX1276をベースとしたSX1276をベースとしたSX1233レジスタオーバレイを動作させるMeshtasticノードの2つのターゲットに対するアプローチを評価する。 単一のバスキャプチャから数秒で処理され、TLFは、ターゲットファームウェアの事前知識のない完全なレジスタ出力RF構成(変調、バンドプラン、フェーズ動作)を復元する。 チップ層の上には、プラグイン可能なプロトコルデコーダが、回復したFIFOペイロードをアプリケーションPDUとして解釈し、Meshtastic上でエンドツーエンドでデモした。 ファームウェアレベルの暗号状態は、予想通り不透明である。 アプローチでは、ターゲットハードウェアの物理的アクセスまたはエミュレーションを必要とし、そのリカバリ深度はトランシーバーのレジスタインタフェースによってバウンドされる: ファームウェアに完全に実装されたパラメータ(カストムFEC、ホワイトニング、暗号化)は、不透明なFIFOペイロードとしてのみ観測可能である。

関連論文リスト

• FIREQ: FPGA Instrumentation for Readout and Qubit control [0.0]
  FIREQは超伝導量子ビットの制御と読み出しのためのオープンソースのフレームワークである。 FireQはモジュール型のAXI準拠のファームウェアアーキテクチャとPYNQベースのソフトウェアスタックを組み合わせる。 AMD Zynq UltraScale+ RFSoC ZCU216では、FIREQはパルスデューレーション解像度107 ps、イベント最適化解像度1.7 nsのRFパルスを最大9.3 GHz出力する。
  論文  参考訳（メタデータ） (2026-08-29T18:55:39Z)
• S$^3$AM: A Single-Stream SAM with Reliability-Calibrated Frequency Adapter for Multi-modal Salient Object Detection [74.15663758681849]
  シングルストリームフレームワークは、信頼性キャリブレーションされた周波数適応をMSOD用のSAMバックボーンに組み込む。 RGB-D、RGB-T、RGB-NIRの正当性オブジェクト検出ベンチマークの実験により、提案フレームワークが競合性能を達成することを確認した。
  論文  参考訳（メタデータ） (2026-08-18T08:05:00Z)
• Trusted Hardware Acceleration for Function Secret Sharing [13.229663073793867]
  本稿では,分散点関数(DPF)の生成と評価を行うハードウェアアクセラレータである分散関数加速器(DFA)について述べる。 非信頼モードでは、DFAはDPF評価のための純粋なアクセラレータとして機能し、プロトコルを変更することなくスループットとエネルギー効率を改善する。 信頼モードでは、ローカルでオンザフライのキー生成、キー配布の排除、ストレージとデータ移動オーバーヘッドの削減が可能である。
  論文  参考訳（メタデータ） (2026-08-17T07:58:46Z)
• Multi-layer MIMO Relay as Deep Physical Neural Networks: Power Amplifiers as Activation Functions [56.870614369768354]
  無線物理ニューラルネットワーク(WPNN)は、アナログハードウェアに直接ニューラルネットワークを埋め込む。 マルチホップマルチインプットマルチアウトプット(MIMO)リレーネットワークにより非線形活性化を実現する深層WPNNを提案する。 提案アーキテクチャは,画像分類の高精度なオーバー・ザ・エア推論を可能にする。
  論文  参考訳（メタデータ） (2026-07-20T09:45:07Z)
• DyMA-Fuzz: Dynamic Direct Memory Access Abstraction for Re-hosted Monolithic Firmware Fuzzing [10.760871707398218]
  我々はDyMA-Fuzzを導入し、ストリームベースのファズインジェクションの最近の進歩を、再ホスト環境におけるDMA駆動インタフェースに拡張する。 ベンダ固有のディスクリプタ、異種DMA設計、さまざまなディスクリプタロケーション、ランタイム分析技術など、重要な課題に取り組む。 DyMA-Fuzzは、最先端のツールが見逃した脆弱性と実行パスを明らかにし、最大122%のコードカバレッジを達成する。
  論文  参考訳（メタデータ） (2026-02-09T14:52:57Z)
• Cross-Attention Transformer for Joint Multi-Receiver Uplink Neural Decoding [0.0]
  我々はOFDM信号の連成復号化のためのクロスアテンション変換器を提案する。 共有受信者エンコーダは、受信された各グリッド内の時間周波数構造を学習する。 トークンワイドのクロスアテンションモジュールは、受信機を融合させ、標準チャネルデコーダに対してソフトなログライクな比率を生成する。
  論文  参考訳（メタデータ） (2026-02-04T16:34:48Z)
• FedBit: Accelerating Privacy-Preserving Federated Learning via Bit-Interleaved Packing and Cross-Layer Co-Design [2.255961793913651]
  完全同型暗号化(FHE)を備えたフェデレートラーニング(FL)は、モデルアグリゲーション中にデータプライバシを効果的に保護する。 FedBit は Brakerski-Fan-Vercauteren (BFV) スキームのためのハードウェア/ソフトウェアの共同設計フレームワークである。 FedBitは、ビットインターリーブデータパッキングを使用して、複数のモデルパラメータを単一の暗号係数に埋め込む。
  論文  参考訳（メタデータ） (2025-09-27T03:58:16Z)
• Threat Modeling for Enhancing Security of IoT Audio Classification Devices under a Secure Protocols Framework [0.22369578015657954]
  本稿では,エッジデバイス,セルネットワーク,クラウドを3つの異なる信頼領域として扱うセキュリティプロトコルを提案する。 STRIDE駆動の脅威モデルとアタックツリー分析が設計を導く。 トランジット中のデータはTLS 1.3によって保護され、クエンタム後のレジリエンスを提供するためにカイバーとディリシウムとハイブリッド化されている。
  論文  参考訳（メタデータ） (2025-09-18T06:25:50Z)
• Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects [78.84264189471936]
  NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。 無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。 エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
  論文  参考訳（メタデータ） (2022-12-19T17:54:36Z)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Taurus: A Data Plane Architecture for Per-Packet ML [59.1343317736213]
  本稿では,線数推論のためのデータプレーンであるTaurusの設計と実装について述べる。 Taurus スイッチ ASIC の評価は,Taurus がサーバベースコントロールプレーンよりも桁違いに高速に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-12T09:18:36Z)
• 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。