論文の概要: Physical-Layer Fingerprint-Space Capacity Analysis for 100BASE-TX Devices in IIoT

• arxiv url: http://arxiv.org/abs/2608.27164v1
• Date: Thu, 27 Aug 2026 14:16:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.442513
• Title: Physical-Layer Fingerprint-Space Capacity Analysis for 100BASE-TX Devices in IIoT
• Title（参考訳）: IIoTにおける100BASE-TXデバイスの物理層指紋空間容量解析
• Abstract要約: 産業用IoT(Industrial Internet of Things)ネットワークは100BASE-TXなどのイーサネット技術を産業用通信に広く採用している。 産業ネットワークの規模が拡大するにつれ、デバイス不正行為や不正アクセスを防ぐための信頼性の高いデバイス認証の重要性が高まっている。 物理層指紋認証は送信信号におけるデバイス依存の指紋特徴を利用しており、端末認証のためのハードウェアベースのアプローチを提供する。 本稿では,100BASE-TX伝送波形におけるデバイス依存波形差を特徴付ける非線形・インパルス応答モデル(NAIM)を提案する。
• 参考スコア（独自算出の注目度）: 10.175189128224897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial Internet of Things (IIoT) networks widely adopt Ethernet technologies, such as 100BASE-TX, for industrial communications. As industrial networks continue to scale, reliable device authentication becomes increasingly important for preventing device impersonation and unauthorized access. Physical-layer fingerprinting (PLF) exploits device-dependent fingerprint features in transmitted signals and provides a hardware-based approach for terminal authentication. However, the distinguishable space supported by 100BASE-TX physical-layer fingerprints and its capacity boundary remain largely unexplored. To analyze the capacity of physical-layer fingerprints, this paper proposes a nonlinear and impulse-response model (NAIM) that characterizes device-dependent waveform differences in 100BASE-TX transmitted waveforms. The nonlinear component captures steady-state level deviations, while the impulse-response component describes the transition response during level transitions. The 100BASE-TX transmitter waveform requirements, the observation resolution determined by noise and analog-to-digital conversion (ADC) quantization, and the target bit-error ratio (BER) constrain the admissible fingerprint space. Under the NAIM model, the fingerprint-space capacity of 100BASE-TX terminals is derived as approximately $2.96\times10^{10}$ distinguishable states. Experiments on signals collected from 48 NICs under two cable conditions estimate a Gaussian-equivalent empirical capacity from the measured inter-device and within-device variations. Under the 5-m cable condition, empirical capacity and closed-set identification consistently rank the three NIC models, and a larger empirical capacity yields higher identification accuracy. These results demonstrate that the proposed capacity analysis provides a pre-deployment assessment for physical-layer fingerprinting in IIoT.
• Abstract（参考訳）: 産業用IoT(Industrial Internet of Things)ネットワークは100BASE-TXなどのイーサネット技術を産業用通信に広く採用している。 産業ネットワークの規模が拡大するにつれ、デバイス不正行為や不正アクセスを防ぐための信頼性の高いデバイス認証の重要性が高まっている。 物理層指紋認証(PLF)は、送信信号におけるデバイス依存の指紋特徴を活用し、端末認証のためのハードウェアベースのアプローチを提供する。 しかし、100BASE-TX物理層指紋が支持する識別可能な空間とその容量境界はほとんど探索されていない。 本稿では,100BASE-TX伝送波形におけるデバイス依存波形差を特徴付ける非線形・インパルス応答モデル(NAIM)を提案する。 非線形成分は定常準位偏差を捉え、インパルス応答成分は準位転移時の遷移応答を記述する。 100BASE-TX送信機波形要求、ノイズとアナログ-デジタル変換(ADC)量子化によって決定される観測分解能、およびターゲットビットエラー比(BER)は許容可能な指紋空間を制約する。 NAIMモデルでは、100BASE-TX端末の指紋空間容量は約2.96\times10^{10}$の区別可能な状態に導かれる。 2つのケーブル条件下での48 NICから収集した信号の実験では、測定されたデバイス間およびデバイス内変動から、ガウス等価な実験能力が推定される。 5mケーブル条件下では、経験的容量と閉集合同定は三つのNICモデルを常にランク付けし、より大きな経験的容量はより高い識別精度をもたらす。 これらの結果から,提案するキャパシティ分析は,IIoTにおける物理層フィンガープリントのプリデプロイアセスメントを提供することが示された。

関連論文リスト

• Robust Slip Detection and Material Classification via Spatiotemporal Transformers on a Uniformly-Illuminated Visuo-Tactile Sensor [52.33204893988409]
  本稿では,一様照明をカスタマイズした視覚触覚センサと統合認識フレームワークを提案する。 提案するハードウェア・ソフトウェア・フレームワークは、複雑なロボット操作のための高忠実度フィードバックと強力なマルチモーダル認識ベースラインを提供する。
  論文  参考訳（メタデータ） (2026-08-25T07:25:27Z)
• GroverFigureOfMerit: An Agnostic Figure of Merit for Quantum Backend Characterization in the NISQ Era [41.99844472131922]
  本稿では,Groverのアルゴリズムに基づくメリットのフィギュアを,量子バックエンド性能を均等に評価するアルゴリズム的ストレステストとして提案する。 この計量は、目標状態の成功確率と、非一様増幅と非マーク状態へのリークに対する罰則を組み合わせ、ハードウェアアーキテクチャ全体で統一されたスコアを得る。
  論文  参考訳（メタデータ） (2026-07-09T16:08:48Z)
• Forensic-Oriented Intrusion Detection Using Synthetic Network Traffic Data and Explainable Artificial Intelligence [0.0]
  本稿では,法科学指向の侵入検知フレームワークを提案する。 合成データ生成、バイナリ分類、説明可能性を統合する。 全ての訓練はSDV+CTGANを介してパラメータ化合成誘導体で実行される。
  論文  参考訳（メタデータ） (2026-07-01T10:47:19Z)
• WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
  WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。 WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。 NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
  論文  参考訳（メタデータ） (2026-04-20T01:29:56Z)
• High-rate quantum digital signatures over 250 km of optical fiber [9.744544650287162]
  量子デジタルシグネチャは、メッセージの整合性、認証、非監査のための情報理論のセキュリティを提供する。 量子デジタルシグネチャ(QDS)は、メッセージの完全性、認証、非監査のための情報理論のセキュリティを提供する。
  論文  参考訳（メタデータ） (2026-03-17T16:43:59Z)
• Unlocking High-Fidelity Analog Joint Source-Channel Coding on Standard Digital Transceivers [54.82164616081277]
  D2AJSCCは、標準デジタルPHY上に高忠実度アナログJ SCCをデプロイできる新しいフレームワークである。 本システムは,SNR条件にまたがる優雅な劣化を伴って,ほぼ理想のアナログJ SCC性能を実現する。 ハードウェア変更なしにレガシーインフラストラクチャ上で次世代のセマンティックトランスミッションを可能にすることで,ネットワークの持続的進化を促進する。
  論文  参考訳（メタデータ） (2026-03-10T01:42:23Z)
• Transformer-Based Person Identification via Wi-Fi CSI Amplitude and Phase Perturbations [4.595408704451027]
  人間の識別のための視覚ベースのシステムに代わる、非侵襲的でプライバシー保護の代替手段として、Wi-Fiセンシングが勢いを増している。 従来の無線ベースのアプローチは、歩行のような運動パターンに依存しており、バイオメトリックな手がかりを抽出する。 本研究では,被験者が静止状態のままに記録されたチャネル状態情報から個人を識別するトランスフォーマーに基づく手法を提案する。
  論文  参考訳（メタデータ） (2025-07-17T07:26:07Z)
• High-rate quantum digital signatures network with integrated silicon photonics [23.161944594372198]
  量子デジタルシグネチャ(QDS)は、データの完全性、信頼性、非監査を保証するための情報理論的に安全なソリューションを提供する。 以前のQDSシステムは高価でかさばる光学機器を頼りにしており、大規模な展開と再構成可能なネットワーク構築を制限していた。 本研究は,チップベースのQDSの実現可能性を検証するとともに,大規模展開と既存のファイバインフラストラクチャとの統合を実現する。
  論文  参考訳（メタデータ） (2024-07-10T10:04:31Z)
• 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)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
  本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。 FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。 分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
  論文  参考訳（メタデータ） (2021-05-25T08:02:44Z)

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。