Fugu-MT 論文翻訳(概要): Fast Frame Rate Estimation in Electromagnetic Side-Channel Attacks on Public Systems

論文の概要: Fast Frame Rate Estimation in Electromagnetic Side-Channel Attacks on Public Systems

arxiv url: http://arxiv.org/abs/2609.28916v1
Date: Thu, 24 Sep 2026 01:54:10 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:09.65493
Title: Fast Frame Rate Estimation in Electromagnetic Side-Channel Attacks on Public Systems
Title（参考訳）: 公共システムにおける電磁界サイドチャネル攻撃の高速フレーム速度推定
Abstract要約: 本研究は,対象システムのディスプレイ解像度に関する事前知識を活用することにより,計算複雑性を$O(N)$に削減することを提案する。ソフトウェア定義無線を用いた実験により,提案手法は評価シナリオにおける従来の手法の精度を保っていることが示された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Frame refresh rate estimation is a fundamental step in identifying compromising harmonic frequencies in electromagnetic side-channel attacks. Methods based on discrete linear autocorrelation (DLA) are robust across different scenarios and require a computational complexity of $O(N\log N)$ for a signal containing $N$ samples. This work proposes reducing this complexity to $O(N)$ by exploiting prior knowledge of the target system's display resolution, as is available for certain models of the Brazilian electronic voting machine. Experiments using software-defined radios show that the proposed method preserves the accuracy of the conventional approach in the evaluated scenarios.
Abstract（参考訳）: フレームリフレッシュレート推定は、電磁チャネル攻撃におけるハーモニック周波数の競合を識別するための基本的なステップである。離散線形自己相関(DLA)に基づく手法は様々なシナリオで堅牢であり、$N$サンプルを含む信号に対して$O(N\log N)$の計算複雑性を必要とする。本研究は、ブラジルの電子投票機の特定のモデルで利用可能なように、ターゲットシステムのディスプレイ解像度に関する事前の知識を活用することにより、この複雑さを$O(N)$に減らすことを提案する。ソフトウェア定義無線を用いた実験により,提案手法は評価シナリオにおける従来の手法の精度を保っていることが示された。

関連論文リスト

Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
論文参考訳（メタデータ） (2026-08-06T19:49:48Z)
Adaptive-Frequency Resonate-and-Fire Neurons for Spectral Estimation of Streaming Radar Signals [5.2855426312680995]
適応型共振器・発火ニューロンに基づくニューロモルフィック・インスパイア信号処理法を提案する。提案したモデルはサンプル・バイ・サンプル方式で動作し、その結果、追跡対象数に応じてスケールするメモリ要求が生じる。シミュレーションおよび実験データによる結果から,本手法が複数の目標の追跡に有効であることが確認された。
論文参考訳（メタデータ） (2026-06-11T16:06:48Z)
Precision Limits of Multiparameter Markovian-Noise Metrology [3.6347018475682087]
マルコビアン・リンドブラッド力学によって符号化された信号の推定のための精度境界を確立する。我々の境界は、散逸チャネルの数でハイゼンベルク型スケーリングを明らかにする。我々は、未知のパラメータが散逸的固有値を通過するとき、多くの異なる量子ジャンプを並列に追跡するRapid Prepare-and-Measureプロトコルがこれらの限界を達成することを示す。
論文参考訳（メタデータ） (2026-04-15T18:00:22Z)
RAPID Quantum Detection and Demodulation of Covert Communications: Breaking the Noise Limit with Solid-State Spin Sensors [5.246986428523558]
固体スピンセンサを用いた秘密電磁信号の検出と復調のための包括的枠組みを提案する。我々のアプローチはRAPIDと呼ばれ、2段階のハイブリッド戦略であり、窒素空調センターを利用して古典的な騒音床の下を走行する。この研究は、電子戦争や秘密監視のようなセキュリティクリティカルなアプリケーションに量子センサーを配置するための理論的に厳格で実用的な経路を確立する。
論文参考訳（メタデータ） (2025-09-09T22:12:28Z)
Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文参考訳（メタデータ） (2024-02-15T08:51:49Z)
Match and Locate: low-frequency monocular odometry based on deep feature matching [0.65268245109828]
本稿では,1台のカメラしか必要としないロボットオドメトリーの新たなアプローチを提案する。アプローチは、深い特徴マッチングモデルを用いて、ビデオストリームの連続フレーム間の画像特徴のマッチングに基づいている。本研究では,AISG-SLAビジュアルローカライゼーションチャレンジにおける手法の性能評価を行い,計算効率が高く,実装が容易であるにもかかわらず,競合する結果が得られた。
論文参考訳（メタデータ） (2023-11-16T17:32:58Z)
One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
論文参考訳（メタデータ） (2023-06-06T20:28:37Z)
Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes problem [78.20667552233989]
我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
論文参考訳（メタデータ） (2022-07-04T14:51:59Z)
Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文参考訳（メタデータ） (2022-06-14T08:14:14Z)
Learning Mean-Field Equations from Particle Data Using WSINDy [0.0]
我々は相互作用粒子系(IPS)のための弱い形状スパース同定法を開発した。非線形力学アルゴリズム(WSINDy)の弱形式スパース同定と相まって、IPSの平均場理論の概念を用いる。我々の例としては、均質化理論からの正準問題、魅力的な反動スウォームの力学、および化学運動に対するパラボリック・楕円型ケラー・セゲルモデルのIPS記述がある。
論文参考訳（メタデータ） (2021-10-14T22:40:01Z)
Towards Sample-Optimal Compressive Phase Retrieval with Sparse and Generative Priors [59.33977545294148]
O(k log L)$サンプルは振幅に基づく経験損失関数を最小化する任意のベクトルに信号が近いことを保証するのに十分であることを示す。この結果はスパース位相検索に適応し、基底信号が$s$-sparseおよび$n$-dimensionalである場合、$O(s log n)$サンプルは同様の保証に十分であることを示す。
論文参考訳（メタデータ） (2021-06-29T12:49:54Z)

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。