論文の概要: Secrets in Preamble: Practical and Robust PHY Information Hiding for Wi-Fi

• arxiv url: http://arxiv.org/abs/2610.13367v1
• Date: Fri, 09 Oct 2026 10:40:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.538785
• Title: Secrets in Preamble: Practical and Robust PHY Information Hiding for Wi-Fi
• Title（参考訳）: プリアンブルの秘密:Wi-Fiの実用的でロバストなPHY情報
• Abstract要約: 物理層情報隠蔽(PHY information hidden)とは、プライマリ通信リンクの整合性を損なうことなく、PHY波形内の秘密を隠蔽することを指す。 既存のWi-Fi情報隠蔽アプローチには2つの制限がある。 本研究は,Wi-Fiレガシショートトレーニングフィールド(L-STF)に秘密を埋め込むことを提案する。
• 参考スコア（独自算出の注目度）: 18.83238563979977
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical layer (PHY) information hiding refers to the concealment of secrets within PHY waveforms without compromising the integrity of the primary communication link, thereby enabling critical applications such as covert communication, PHY steganography, and watermarking. The widespread deployment of Wi-Fi has motivated substantial research interest in hiding secrets within Wi-Fi waveforms. However, existing Wi-Fi information hiding approaches suffer from two limitations: restricted steganographic capacity and insufficient robustness against environmental variations, both of which severely constrain practical deployment. This work proposes to embed secrets within the Wi-Fi legacy short training field (L-STF). The designed method preserves the autocorrelation properties of Wi-Fi L-STF, ensuring that packet detection and coarse frequency offset compensation functionalities remain uncompromised. The secret embedding and extraction processes employ a pair of neural networks designed to learn optimal embedding rules and maximize steganographic capacity. We developed a prototype system and conducted comprehensive experiments across both indoor and outdoor environments. Experimental results show that our method can reliably embed 46 secret bits within Wi-Fi packets across diverse channel conditions, achieving significantly enhanced steganographic capacity and environmental robustness. The hardware prototype study validates the feasibility of the proposed Wi-Fi information hiding scheme.
• Abstract（参考訳）: 物理層情報隠蔽(PHY information hidden)とは、プライマリ通信リンクの整合性を損なうことなく、PHY波形内のシークレットを隠蔽することであり、シークレット通信、PHYステガノグラフィ、ウォーターマーキングなどの重要な応用を可能にする。 Wi-Fiの広範な展開は、Wi-Fi波形内に秘密を隠すことに対する研究のかなりの関心を動機付けている。 しかし、既存のWi-Fi情報隠蔽アプローチには2つの制限がある。 本研究は、Wi-Fiレガシショートトレーニングフィールド(L-STF)にシークレットを埋め込むことを提案する。 設計手法は、Wi-Fi L-STFの自己相関性を保ち、パケット検出と粗い周波数オフセット補償機能が未競合であることを保証する。 シークレット埋め込みと抽出プロセスは、最適な埋め込みルールを学習し、ステガノグラフ容量を最大化するように設計された2つのニューラルネットワークを使用する。 プロトタイプシステムを開発し,室内環境と屋外環境の総合的な実験を行った。 実験の結果,提案手法は様々なチャネル条件で46個の秘密ビットをWi-Fiパケットに確実に埋め込むことができ,ステガノグラフィー能力と環境の堅牢性を大幅に向上させることができることがわかった。 ハードウェアプロトタイプ研究は、提案したWi-Fi情報隠蔽方式の有効性を検証する。

関連論文リスト

• AmbSentry: Mitigating Sensing Eavesdropping in ISAC Systems by Harnessing Ambient IoT Devices [60.083979780396014]
  6Gネットワークの重要なパラダイムとして、ISAC(Integrated Sensistance and Communication)が登場している。 本稿では,盗聴者に対する検知情報の漏洩を防止するISACシステムであるAmbSentryを提案する。
  論文  参考訳（メタデータ） (2026-08-12T08:42:05Z)
• AirKey: Multimodal Acoustic-Assisted WiFi Sensing for Zero-Training Robust PIN Inference [18.673405698977145]
  WiFiによる非接触キーストローク推論は、深刻なプライバシーの脅威を浮き彫りにする。 AirKeyは、eavesdroppingを実現する新しいクロスモーダルセンシングフレームワークである。 AirKeyは、最先端のユニモーダルゼロトレーニングスキームよりも4倍高い精度を実現している。
  論文  参考訳（メタデータ） (2026-08-04T05:30:17Z)
• AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
  AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。 AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
  論文  参考訳（メタデータ） (2026-01-14T20:56:50Z)
• Digital Shielding for Cross-Domain Wi-Fi Signal Adaptation using Relativistic Average Generative Adversarial Network [13.808977762165823]
  本稿では,物理信号遮蔽にインスパイアされた,Wi-Fi信号のクロスドメイン適応のための新しいディープラーニングモデルを提案する。 このシステムは96%の精度を達成し、強力な物質識別能力を示した。
  論文  参考訳（メタデータ） (2025-04-29T09:18:02Z)
• Collaborative Inference over Wireless Channels with Feature Differential Privacy [57.68286389879283]
  複数の無線エッジデバイス間の協調推論は、人工知能(AI)アプリケーションを大幅に強化する可能性がある。 抽出された特徴を抽出することは、プロセス中に機密性の高い個人情報が暴露されるため、重大なプライバシーリスクをもたらす。 本稿では,ネットワーク内の各エッジデバイスが抽出された機能のプライバシを保護し,それらを中央サーバに送信して推論を行う,新たなプライバシ保存協調推論機構を提案する。
  論文  参考訳（メタデータ） (2024-10-25T18:11:02Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Communication and Energy Efficient Wireless Federated Learning with Intrinsic Privacy [16.305837225117603]
  Federated Learning(FL)は、エッジデバイスが生データをローカルに保持しながら、グローバルモデルを共同で学習することを可能にする、協調学習フレームワークである。 本研究では,PFELS(Private Edge Learning with Spars)と呼ばれる新しい無線FL方式を提案する。
  論文  参考訳（メタデータ） (2023-04-15T03:04:11Z)
• Zero-Effort Two-Factor Authentication Using Wi-Fi Radio Wave Transmission and Machine Learning [0.0]
  本稿では,ユーザ環境と機械学習(ML)のユニークな特徴を組み合わせた,ゼロ・エフォート2要素認証(2FA)手法を提案する。 Raspberry Piデバイスを用いたプロトタイプを開発し,提案手法の有効性と実用性を示す実験を行った。 提案システムは2FAとユーザ認証の分野に革命をもたらし、機密情報への安全でシームレスなアクセスの新たな時代を提供する。
  論文  参考訳（メタデータ） (2023-03-04T21:04:10Z)
• WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
  SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。 特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
  論文  参考訳（メタデータ） (2022-06-20T16:03:45Z)
• GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action Recognition using WiFi [52.530330427538885]
  WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。 本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
  論文  参考訳（メタデータ） (2022-05-24T10:20:16Z)

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。