論文の概要: Progressive-Observation Physical-Layer Fingerprinting for Efficient Open-Set Ethernet Authentication

• arxiv url: http://arxiv.org/abs/2610.38074v1
• Date: Tue, 27 Oct 2026 23:43:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-31 05:25:12.346487
• Title: Progressive-Observation Physical-Layer Fingerprinting for Efficient Open-Set Ethernet Authentication
• Title（参考訳）: 効率的なオープンセットイーサネット認証のためのプログレッシブオブザービング物理層フィンガープリント
• Abstract要約: 本稿では,各問合せに波形長を適応させるプログレッシブ・オブザーブレーション PLF法を提案する。 指紋が数日にわたってドリフトするため、我々はCNNの再トレーニングを避けるために適応的な校正アルゴリズムも設計する。 本研究では,100BASE-TX イーサネットデバイスを用いた2種類の制御器のホールドアウト日における評価を行った。
• 参考スコア（独自算出の注目度）: 24.37666018347906
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical-layer fingerprinting (PLF) has emerged as a promising authentication approach for Internet of Things devices. However, most PLF systems acquire and process a fixed-length waveform for every authentication query, burdening resource-constrained edge nodes. To address this issue, we propose a progressive-observation PLF method that adapts the waveform length to each query. Specifically, a lightweight convolutional neural network (CNN) first rejects clearly unknown devices from a short observation. Spectral matching then accepts clearly registered devices from a slightly longer observation. Only ambiguous queries proceed to the same matching on the full-length waveform, reducing both data acquisition and computation. Because fingerprints drift across days, we also design an adaptive calibration algorithm to avoid retraining the CNN. The algorithm realigns the features and decision thresholds using a few current-day references from registered devices. We evaluate the method with 100BASE-TX Ethernet devices of two controller types on held-out days. Compared with fixed-length processing, it keeps the false rejection and false acceptance rates equal or lower for both controller types on both days. It also reduces the waveform data per query by 75.1% and the CPU processing time on a Raspberry Pi 5 by 73.7% on average. With the same monitoring bandwidth, an edge node can therefore serve about four times as many authentication queries.
• Abstract（参考訳）: 物理層指紋認証(PLF)は、モノのインターネット(Internet of Things)デバイスのための有望な認証手法として登場した。 しかしながら、ほとんどのPLFシステムは、認証クエリ毎に固定長の波形を取得し、処理し、リソース制約のあるエッジノードを負荷する。 この問題に対処するため,各問合せに波形長を適応させるプログレッシブオブザーブPLF法を提案する。 具体的には、軽量畳み込みニューラルネットワーク(CNN)が、短い観察から明らかに未知のデバイスを拒絶する。 スペクトルマッチングは、わずかに長い観察から明確に登録されたデバイスを受け入れる。 曖昧なクエリだけがフル長の波形上で同じマッチングに進み、データ取得と計算の両方を削減します。 指紋が数日にわたってドリフトするため、我々はCNNの再トレーニングを避けるために適応的な校正アルゴリズムも設計する。 このアルゴリズムは、登録されたデバイスからのいくつかの現在の参照を使用して、特徴と決定しきい値を実現する。 本研究では,100BASE-TX イーサネットデバイスを用いた2種類の制御器のホールドアウト日における評価を行った。 固定長処理と比較すると、どちらの日も両方のコントローラタイプに対して偽の拒絶と偽の受け入れ率を等しく保ちます。 また、クエリ毎の波形データを75.1%削減し、Raspberry Pi 5上でのCPU処理時間を平均73.7%削減する。 同じ監視帯域で、エッジノードは認証クエリの約4倍の頻度で機能する。

関連論文リスト

• Spiking neural networks for streaming qubit readout [0.20878272814614096]
  超伝導量子ビット読み出しのためのスパイキングニューラルネットワーク(SNN)判別器を導入する。 ネットワークは時間構造を利用し、データが到着すると分類スコアを更新する。 ネットワークはマッチングフィルタの識別を上回り、フルトレースの人工ニューラルネットワークの精度にアプローチする。
  論文  参考訳（メタデータ） (2026-10-01T17:40:27Z)
• Decode-Latency Feedback Prefill: A Model-Free Controller and Its Generalization Limits [1.7396274240172123]
  Decode-Latency Feedback Prefill (DLFP)を導入する。 我々は、DLFPをvLLMに実装し、オープンループのPoisson到着、正確なトークン会計、生要求トレース、NVIDIAテレメトリで評価する。
  論文  参考訳（メタデータ） (2026-09-29T18:44:33Z)
• A High-Throughput FPGA Architecture for Real-Time TCP-SYN Scan Detection [2.011708578491462]
  TCP-SYNポートスキャンはサイバー攻撃に先行することが多く、パケットヘッダに埋め込まれたスキャナ指紋の早期検出は、タイムリーな侵入警告を提供する。 既存のアプローチは、ラインレート演算には計算コストがかかりすぎるか、オフライン解析に限られている。 本稿では,リコンフィグレーション可能なラインレート指紋検出のための軽量FPGAアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-09-12T16:53:21Z)
• 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)
• 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)
• Mixed-Precision Neural Network Quantization via Learned Layer-wise Importance [50.00102219630088]
  混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。 本稿では,すべての指標を同時に取得できる共同学習手法を提案する。 例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
  論文  参考訳（メタデータ） (2022-03-16T03:23:50Z)
• Adaptive Test-Time Augmentation for Low-Power CPU [3.5473686344971416]
  Test-Time Augmentation (TTA)テクニックは、推論時にそのような一般的な副作用を軽減することを目的とする。 本稿では,フィードフォワード回数を動的に制御するTTAの適応的実装であるAdapTTAを提案する。 商用ARM Cortex-A CPUにデプロイされた画像分類のための最新のConvNetsに関する実験結果では、AdapTTAが驚くべき遅延節約を達成している。
  論文  参考訳（メタデータ） (2021-05-13T10:50:13Z)
• Beta-CROWN: Efficient Bound Propagation with Per-neuron Split Constraints for Complete and Incomplete Neural Network Verification [151.62491805851107]
  私たちは、ニューロン毎の分割を完全にエンコードできるバウンド伝搬ベースの検証器である$beta$-crownを開発した。 Beta$-CROWNはLPベースのBaB法よりも3桁近い速さで堅牢性検証が可能です。 BaBを早期に終了することにより、不完全な検証にも使用できます。
  論文  参考訳（メタデータ） (2021-03-11T11:56:54Z)
• Enabling certification of verification-agnostic networks via memory-efficient semidefinite programming [97.40955121478716]
  本稿では,ネットワークアクティベーションの総数にのみ線形なメモリを必要とする一階二重SDPアルゴリズムを提案する。 L-inf の精度は 1% から 88% ,6% から 40% に改善した。 また,変分オートエンコーダの復号器に対する2次安定性仕様の厳密な検証を行った。
  論文  参考訳（メタデータ） (2020-10-22T12:32:29Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)

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。