論文の概要: 5GDescrambler: Locating, Descrambling, and Decoding 5G Scheduling Information (long version)
- arxiv url: http://arxiv.org/abs/2609.07367v1
- Date: Mon, 07 Sep 2026 11:39:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-12 00:42:20.146379
- Title: 5GDescrambler: Locating, Descrambling, and Decoding 5G Scheduling Information (long version)
- Title（参考訳）: 5GDescrambler: 5G Scheduling Information (長期バージョン)
- Authors: Fritz Windisch, Thorsten Strufe,
- Abstract要約: 本稿では、オープンソースのバイナリDCIスニッフィングパイプラインに完全に統合されたDCIスクランブルをリバースする新しいテクニックを提案する。
我々は、srsRAN、OpenAirInterface5G、および2つの商用ベンダーの展開に対する測定キャンペーンで、我々のアプローチの堅牢性と性能を実証する。
- 参考スコア（独自算出の注目度）: 4.294205370255953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tracking users in 5G NR has recently been successfully demonstrated by exploiting various side-channels. This allows for identification of individuals, classification of user activity in real time as well as tracking by fingerprinting, affecting billions of users with a 5G subscription and companies with private 5G deployments. However, previous work relies on weak operator configurations that leak networking parameters--either the radio network temporary identifier (RNTI) or scrambling factor ($N_{ID}$) during handshake--or to inefficiently brute-force Downlink Control Information (DCI). In this paper we present a novel technique exploiting algebraic structure to reverse DCI scrambling, fully integrated into an open-source end-to-end binary DCI sniffing pipeline. It provides enabling input for subsequent attacks like live tracking of users and supports automatic detection of control channel configurations used. We demonstrate the robustness and performance of our approach with measurement campaigns against deployments of srsRAN, OpenAirInterface5G, and two commercial vendors. It reaches block error rates of less than $1\%$ at SNRs below expected values for efficient communication, while performing significantly faster on a reference sample than a previously suggested passive technique brute-forcing the required parameters. In addition, it is entirely passive and does not rely on any side-channel leakage.
- Abstract（参考訳）: 5G NRにおけるユーザ追跡は、最近、様々なサイドチャネルを活用することで、成功裏に実証されている。
これにより、個人を識別し、リアルタイムでユーザーアクティビティを分類し、指紋で追跡し、5Gサブスクリプションを持つ数十億人のユーザーとプライベートな5Gデプロイメントを持つ企業に影響を与える。
しかし、以前の研究はネットワークパラメータをリークする弱い演算子構成に依存しており、無線ネットワークの一時的な識別子(RNTI)やハンドシェイク中のスクランブルファクタ(N_{ID}$)、あるいは非効率にブルートフォースダウンリンク制御情報(DCI)に依存していた。
本稿では,オープンソースのバイナリDCIスニッフィングパイプラインに完全に統合されたDCIスクランブルを逆転する代数構造を利用した新しい手法を提案する。
ユーザのライブトラッキングのようなその後の攻撃に対する入力を可能にし、使用するコントロールチャネル設定の自動検出をサポートする。
我々は、srsRAN、OpenAirInterface5G、および2つの商用ベンダーの展開に対する測定キャンペーンで、我々のアプローチの堅牢性と性能を実証する。
効率的な通信のために、SNRの予測値以下でブロックエラー率を1\%以下に抑えつつ、従来提案されていた受動的手法よりもはるかに高速に実行し、要求パラメータをブルート強制する。
加えて、完全に受動的であり、いかなるサイドチャネルリークにも依存しない。
関連論文リスト
- Autonomous Cyber Defense: Real-Time Attack Detection and Mitigation in Software-Defined Networks Using Machine Learning [78.29352305480285]
最近の侵入では、最初のアクセスと最初の横移動の間の間隔は27秒と短いことが観察されている。
本稿では,ソフトウェア定義ネットワークにおける攻撃をオペレーターの関与なしに検出・ブロックするクローズドループフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-22T18:38:39Z) - DoSQ: A Cross-Layer Denial of Service Quality Attack by Exploiting Side Channels in 5G NR [1.9336815376402718]
5Gシステムは、これらのネットワーク上で動くアプリケーションに伝播するスマート・ジャミング・アタックに弱い。
本稿では,プロトコルを意識したDCIをデコードして,被害者UEの物理リソースブロックに干渉を注入するDoSQを提案する。
また,攻撃者の再同期コストを増大させるSSB周波数ホッピング対策を提案する。
論文 参考訳（メタデータ） (2026-07-17T16:37:36Z) - Tracing the Chain: Deep Learning for Stepping-Stone Intrusion Detection [7.981257687111937]
ステッピングストーン侵入(SSI)は一般的なネットワーク回避手法である。
効果的なSSI検出には、各リレーホストの入出力フローを極めて低い偽陽性率で関連付ける必要がある。
ESPRESSOは、トランスフォーマーベースの特徴抽出ネットワーク、タイムアラインな多チャンネル間隔特徴、オンライントリプレットメトリック学習を組み合わせたフロー相関モデルである。
論文 参考訳（メタデータ） (2026-04-09T22:26:52Z) - Machine Learning-Driven Anomaly Detection for 5G O-RAN Performance Metrics [0.8119699312788383]
実世界の展開に適した2つの動作可能な異常検出アルゴリズムを提案する。
第1のアルゴリズムは、キーパフォーマンス指標を分析することにより、高度スループット低下のリスクのあるユーザ機器(UE)を特定する。
第2のアルゴリズムは、近隣のセルの電波被曝品質を評価し、異常信号強度または干渉レベルで細胞をフィルタリングする。
論文 参考訳（メタデータ） (2025-09-03T13:18:41Z) - Grimm: A Plug-and-Play Perturbation Rectifier for Graph Neural Networks Defending against Poisoning Attacks [53.972077392749185]
近年の研究では、ノード分類タスクに対する敵対的中毒攻撃に対するグラフニューラルネットワーク(GNN)の脆弱性が明らかにされている。
ここでは、最初のプラグアンドプレイディフェンスモデルであるGrimmを紹介します。
論文 参考訳（メタデータ） (2024-12-11T17:17:02Z) - Scalable and Robust Mobile Activity Fingerprinting via Over-the-Air Control Channel in 5G Networks [0.15346678870160887]
物理的ダウンリンク制御チャネル(PDCCH)メッセージの10%未満は、スニファーを用いて復号化可能であることを示す。
このプライバシー攻撃は、アクティブな通信チャネルの数を明らかにし、モバイルアプリケーションとその使用時間を明らかにする。
本稿では,手動による特徴抽出を不要とした,効率的なディープラーニングに基づくモバイルトラフィック分類手法を提案する。
論文 参考訳（メタデータ） (2024-09-19T08:49:40Z) - Graph Agent Network: Empowering Nodes with Inference Capabilities for Adversarial Resilience [50.460555688927826]
グラフニューラルネットワーク(GNN)の脆弱性に対処するグラフエージェントネットワーク(GAgN)を提案する。
GAgNはグラフ構造化エージェントネットワークであり、各ノードは1-hop-viewエージェントとして設計されている。
エージェントの限られたビューは、悪意のあるメッセージがGAgNでグローバルに伝播するのを防ぎ、グローバル最適化ベースのセカンダリアタックに抵抗する。
論文 参考訳（メタデータ） (2023-06-12T07:27:31Z) - Deep Attention Recognition for Attack Identification in 5G UAV
scenarios: Novel Architecture and End-to-End Evaluation [3.3253720226707992]
5Gフレームワークに固有の堅牢なセキュリティ機能にもかかわらず、攻撃者は依然として5G無人航空機(UAV)の運用を妨害する方法を見つけるだろう。
我々は,認証されたUAVに埋め込まれた小さなディープネットワークに基づく攻撃を識別するためのソリューションとして,Deep Attention Recognition (DAtR)を提案する。
論文 参考訳（メタデータ） (2023-03-03T17:10:35Z)
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。