論文の概要: SIDE: Sensor Impersonation Detection at the Edge via Sequence Prediction
- arxiv url: http://arxiv.org/abs/2609.06271v2
- Date: Fri, 11 Sep 2026 02:28:53 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-09-15 11:12:45.676303
- Title: SIDE: Sensor Impersonation Detection at the Edge via Sequence Prediction
- Title（参考訳）: SIDE:シーケンス予測によるエッジにおけるセンサの身振り検出
- Authors: Nahom Birhan,
- Abstract要約: 低コストのIoT(Internet of Things)センサーデプロイメントには、デバイスレベルのソース認証がないものもある。
概念実証研究において,センサ・インモーフィケーション検出のための軽量なアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Some low-cost Internet of Things (IoT) sensor deployments lack device-level source authentication, leaving them vulnerable to impersonation or injected sensor readings. We present a lightweight approach to sensor impersonation detection in a small proof-of-concept study. We formulate detection as a sequence-prediction problem. A model with three LSTM layers and two fully connected layers is trained only on univariate temperature readings from a genuine sensor, and a window of readings is flagged when its mean absolute prediction error exceeds the mean genuine error by more than six standard deviations. The model is converted to TensorFlow Lite in three variants, non-quantized (554 KB), 16-bit weight quantized (298.5 KB), and 8-bit weight quantized (185 KB), targeting an Arduino Nano 33 BLE aggregator. The variants were evaluated with the TensorFlow Lite interpreter on the local server, since on-device execution of LSTM models was not yet supported by TensorFlow Lite for Microcontrollers at the time of the study. On a controlled testbed with the impostor sensor placed in a hotter outdoor location, the three variants reached detection accuracies of 99.980%, 99.972%, and 98.206%, and each flagged the change point when a test sequence switched from genuine to impostor data. Quantization made the model smaller but slower in our measurements. The genuine and impostor distributions were well separated, so these results show detection of a controlled distribution shift and should not be read as evidence of general device authentication.
- Abstract（参考訳）: 低コストのIoT(Internet of Things)センサーデプロイメントでは、デバイスレベルのソース認証が欠けており、偽造やインジェクションされたセンサー読み取りに脆弱なままである。
概念実証研究において,センサ・インモーフィケーション検出のための軽量なアプローチを提案する。
我々はシーケンス予測問題として検出を定式化する。
3つのLSTM層と2つの完全に接続された層を持つモデルは、真のセンサからの単変温度読み取りのみに基づいて訓練され、平均絶対予測誤差が平均真誤差を超えると6つの標準偏差で読み出しウィンドウがフラグ付けされる。
このモデルは、非量子化(554KB)、16ビットの量子化(298.5KB)、8ビットの量子化(185KB)でTensorFlow Liteに変換され、Arduino Nano 33 BLEアグリゲータをターゲットにしている。
LSTMモデルのデバイス上での実行は、研究当時、マイクロコントローラ向けにTensorFlow Liteがまだサポートされていなかったため、ローカルサーバ上でTensorFlow Liteインタプリタを使用して評価された。
高温の屋外に設置されたインポスタセンサーで制御されたテストベッドでは、3つの変種が99.980%、99.972%、98.206%の検出精度に達し、テストシーケンスが本物のインポスタデータからインポスタデータに切り替わる際に各点をフラグ付けした。
量子化によってモデルは小さくなったが、我々の測定では遅くなった。
実際の分布とインポスタ分布は適切に分離されているため、これらの結果は制御された分布シフトの検出を示し、一般的なデバイス認証の証拠として読むべきではない。
関連論文リスト
- Level, Sharpness, and Corpus: Why Zero-Shot OOD Detector Rankings Do Not Transfer [36.02174685737611]
各検出器は、少なくとも1つのドメインで80%$ FPR95 を超え、所望の検出器は、分配データと基礎となる VLM の両方に依存する。
本稿では, ベース検出器, レベル, シャープネスの非補償融合により, 補完的証拠を保存する検出器非依存ラッパーであるComplementary Evidence Guard(CEG)を紹介する。
論文 参考訳（メタデータ） (2026-07-29T08:00:49Z) - Heralded Leakage Detection with Preserved Computational-State Coherence in a Fixed-Frequency Transmon [7.0825911951696625]
計算部分空間からの漏れは超伝導量子プロセッサの主要なエラー機構である。
本稿では,Rabiドライブを分散読み出し時の計算遷移に適用することにより,固定周波数トランスモン上での漏れ検出を実証する。
論文 参考訳（メタデータ） (2026-07-19T11:52:17Z) - Two kinds of robustness are not the same: disentangling fault tolerance and low-SNR robustness in multi-domain event detection on real data [0.0]
イベント検出は、CCSと地熱活動、分散音響センシング(DAS)、産業状況監視のための誘導地震モニタリングの基盤となる。
我々は3つの物理的に異なる実情報源から統合されたバイナリイベント検出ベンチマークを組み立てる。
標準検出器に対するサンプルごとのセンサドロップアウトで訓練した耐故障性検出器の評価を行った。
論文 参考訳（メタデータ） (2026-06-28T11:14:20Z) - Selfie-Capture Dynamics as an Auxiliary Signal Against Deepfakes and Injection Attacks for Mobile Identity Verification [4.2958409172092225]
モバイルリモートID認証(RIdV)システムは、顔のビデオストリームを操作または置換する攻撃にさらされる。
ETSI TS 119 461 や CEN/TS 18099 といったヨーロッパの近年の要求は、カメラベースのプレゼンテーション攻撃検出以上の補完的なエビデンスチャネルを動機付けている。
本稿では,自撮り撮影中に記録された受動運動軌跡が,スプーフスクリーニングとユーザ検証の補助的証拠となるかどうかを検討する。
論文 参考訳（メタデータ） (2026-04-30T20:46:18Z) - Adaptive Label Error Detection: A Bayesian Approach to Mislabeled Data Detection [0.5284217353503208]
本稿では, 誤り検出手法である適応ラベル誤り検出(Adaptive Label Error Detection, ALED)のモチベーションと記述を行う。
ALEDは、確立されたラベル誤り検出方法と比較して、精度を損なうことなく、感度を著しく向上させた。
修正データ上でニューラルネットワークを微調整すると、テストセットエラーが33.8%減少する例を示す。
論文 参考訳（メタデータ） (2026-01-15T05:20:00Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - Bandit Quickest Changepoint Detection [55.855465482260165]
すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。
有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。
本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
論文 参考訳（メタデータ） (2021-07-22T07:25:35Z) - Fault-tolerant parity readout on a shuttling-based trapped-ion quantum
computer [64.47265213752996]
耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。
フラグ条件パリティ測定の単発忠実度は93.2(2)%である。
このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
論文 参考訳（メタデータ） (2021-07-13T20:08:04Z) - Real-time detection of uncalibrated sensors using Neural Networks [62.997667081978825]
オンライン学習に基づく温度・湿度・圧力センサの非校正検出装置を開発した。
このソリューションはニューラルネットワークをメインコンポーネントとして統合し、校正条件下でのセンサーの動作から学習する。
その結果, 提案手法は, 偏差値0.25度, 1% RH, 1.5Paの偏差をそれぞれ検出できることがわかった。
論文 参考訳（メタデータ） (2021-02-02T15:44:39Z) - Object Detection Made Simpler by Eliminating Heuristic NMS [70.93004137521946]
単純なNMSのないエンドツーエンドのオブジェクト検出フレームワークを示す。
検出精度は元の1段検出器と比べて同等か、さらに向上した。
論文 参考訳（メタデータ） (2021-01-28T02:38:29Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳（メタデータ） (2020-04-03T17:36:26Z)
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。