論文の概要: SenTrojan: Revealing Analog Hardware Trojan Attacks on Sensors

• arxiv url: http://arxiv.org/abs/2611.06103v1
• Date: Wed, 04 Nov 2026 07:45:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.017363
• Title: SenTrojan: Revealing Analog Hardware Trojan Attacks on Sensors
• Title（参考訳）: SenTrojan: アナログハードウェアのトロイの木馬攻撃をセンサーで発見
• Abstract要約: SenTrojanは、センサーのためのアナログハードウェアTrojanフレームワークである。 SenTrojanは、悪意のある機能をアナログ信号回路に埋め込む。 永続的なサービス拒否から静的スプーフィングや動的スプーフィングまで、センサーの誤動作を誘発することができる。
• 参考スコア（独自算出の注目度）: 23.73656659403214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sensors bridge the physical and digital worlds, making their integrity critical to cyber-physical system security. Existing sensor attacks largely exploit unintended and sensor-specific physical vulnerabilities, limiting their generalizability and motivating a different threat model, i.e., whether an adversary can implant hidden attack surfaces into sensors before deployment. In this paper, we present SenTrojan, an analog hardware Trojan framework for sensors. SenTrojan embeds malicious functionality into analog signal circuitry commonly shared across diverse sensor architectures, and activates the hidden behavior through crafted external physical signals. Once activated, SenTrojan can induce sensor malfunctions ranging from permanent denial-of-service to static or dynamic spoofing. To achieve these effects under different architectural constraints, we introduce two complementary designs. The Logic-Rule-Driven (LRD) Trojan adds lightweight analog monitoring logic to detect trigger features such as frequency and amplitude, enabling reliable activation across various sensor types. The Physical-Effect-Driven (PED) Trojan targets sensors with exploitable native analog effects, e.g., nonlinearity and rectification, and realizes attacks with minimal component insertion. We evaluate SenTrojan on 14 sensors spanning 6 transduction principles and demonstrate its effectiveness across diverse real-world scenarios. Overall, SenTrojan achieves an average successful trigger rate above 95%, maintains over 97% similarity to benign behavior, incurs zero false-trigger rate for LRD designs, and introduces less than 5% average deviation in drift, noise floor, and response time. To our knowledge, this work is the first systematic study of analog sensor Trojans, broadening sensor security from unintended physical vulnerabilities to intentional supply-chain compromise.
• Abstract（参考訳）: センサーは物理的およびデジタルの世界を橋渡しし、その完全性はサイバー物理システムのセキュリティに不可欠である。 既存のセンサー攻撃は意図せず、センサー固有の物理的脆弱性をほとんど利用し、その一般化性を制限し、異なる脅威モデル、すなわち敵が配置前に隠れた攻撃面をセンサーに埋め込むことができるかどうかを動機付けている。 本稿では、センサのためのアナログハードウェアTrojanフレームワークであるSenTrojanを紹介する。 SenTrojanは、さまざまなセンサーアーキテクチャで共通に共有されるアナログ信号回路に悪意のある機能を組み込んで、外部の物理的信号を通じて隠れた振る舞いを活性化する。 一度起動すると、SenTrojanは永続的なサービス拒否から静的スプーフィングや動的スプーフィングまで、センサーの誤動作を誘発する。 異なるアーキテクチャ制約の下でこれらの効果を達成するために,2つの相補的な設計を導入する。 Logic-Rule-Driven (LRD) Trojanは、周波数や振幅などのトリガ機能を検出するために、軽量なアナログ監視ロジックを追加した。 物理エフェクト駆動(PED)トロイの木馬は、例えば、非線形性、整合性といった悪用可能なネイティブアナログ効果を持つセンサーをターゲットにし、最小限の部品挿入による攻撃を実現する。 SenTrojanを6つのトランスダクション原理にまたがる14個のセンサ上で評価し、実世界の様々なシナリオでその効果を実証した。 全体として、SenTrojanは95%以上の平均的なトリガーレートを達成し、良性行動と97%以上の類似性を維持し、RDD設計においてゼロの偽トリガーレートを発生させ、ドリフト、ノイズフロア、応答時間の平均偏差を5%以下導入する。 我々の知る限り、この研究はアナログセンサーであるTrojansの最初の体系的な研究であり、意図しない物理的脆弱性から意図しないサプライチェーンの妥協までセンサーのセキュリティを広げている。

関連論文リスト

• UniForce: A Unified Latent Force Model for Robot Manipulation with Diverse Tactile Sensors [51.88112610411651]
  そこで本研究では,多様な触覚センサにまたがる共用潜在力空間を学習する,新しい統合された触覚表現学習フレームワークを提案する。 UniForceは、逆ダイナミクス(image-to-force)とフォワードダイナミクス(force-to-image)を共同モデリングすることで、クロスセンサー領域シフトを低減する 高価な外部力/トルクセンサ(F/T)への依存を避けるため,静的平衡を利用して直接センサ・オブジェクト・センサ・インタラクションを介して力対効果データを収集する。
  論文  参考訳（メタデータ） (2026-02-01T11:03:01Z)
• Environmental Rate Manipulation Attacks on Power Grid Security [16.38432073997021]
  従来のトロイの木馬の設計は、標準的なテストで検出できるデジタルトリガーや固定しきい値条件に依存している。 本稿では,環境パラメータの変化率を監視して起動する,新しいトロイの木馬トリガー機構であるERMを紹介する。 この攻撃の重要性は、個々のセンサーを超えて、電力エレクトロニクスに共通する環境検知システム全体のクラスにまで及んでいる。
  論文  参考訳（メタデータ） (2025-09-29T20:30:21Z)
• LATENT: LLM-Augmented Trojan Insertion and Evaluation Framework for Analog Netlist Topologies [2.9172958535627598]
  LATENTは、ステルスで回路固有のアナログであるTrojansを作るための最初の大規模言語モデル(LLM)駆動のフレームワークである。 生成したトロイの木馬の設計は平均15.74%のトロイの木馬活性化範囲を示し、ほとんどの動作電圧下では動作しないことを確認した。
  論文  参考訳（メタデータ） (2025-05-09T18:09:58Z)
• An AI-Enabled Side Channel Power Analysis Based Hardware Trojan Detection Method for Securing the Integrated Circuits in Cyber-Physical Systems [7.333490062088133]
  最もステルスな脅威の1つは、ハードウェアトロイの木馬をICに挿入することである。 トロイの木馬はシステムの安全性とセキュリティを著しく侵害することができる。 本稿では,サイドチャネル電力解析に基づくハードウェアトロイの木馬検出のための非侵襲的手法を提案する。
  論文  参考訳（メタデータ） (2024-11-19T18:39:20Z)
• Sensor Deprivation Attacks for Stealthy UAV Manipulation [51.9034385791934]
  無人航空機は最先端の制御アルゴリズムを用いて自律的にタスクを実行する。 本稿では,マルチパートを提案する。 センサー分離攻撃 (Sensor Deprivation Attacks, SDA) - 極秘に影響を及ぼす攻撃。 センサーのリコンフィグレーションによる プロセス制御
  論文  参考訳（メタデータ） (2024-10-14T23:03:58Z)
• Hardly Perceptible Trojan Attack against Neural Networks with Bit Flips [51.17948837118876]
  ほとんど知覚できないトロイア攻撃(HPT)を呈する。 HPTは、加算ノイズと画素あたりのフロー場を利用して、知覚しにくいトロイの木像を作成する。 より優れた攻撃性能を達成するために,ビットフリップ,付加雑音,流れ場を協調的に最適化することを提案する。
  論文  参考訳（メタデータ） (2022-07-27T09:56:17Z)
• CatchBackdoor: Backdoor Detection via Critical Trojan Neural Path Fuzzing [16.44147178061005]
  様々なトロイの木馬攻撃によって引き起こされる トロイの木馬の行動は トロイの木馬の道のせいだ トロイの木馬攻撃に対する検出手法であるCatchBackdoorを提案する。
  論文  参考訳（メタデータ） (2021-12-24T13:57:03Z)
• Practical Detection of Trojan Neural Networks: Data-Limited and Data-Free Cases [87.69818690239627]
  本稿では,データスカース方式におけるトロイの木馬ネットワーク(トロイの木馬網)検出の問題点について検討する。 本稿では,データ限定型TrojanNet検出器(TND)を提案する。 さらに,データサンプルにアクセスせずにTrojanNetを検出できるデータフリーTNDを提案する。
  論文  参考訳（メタデータ） (2020-07-31T02:00:38Z)
• Odyssey: Creation, Analysis and Detection of Trojan Models [91.13959405645959]
  トロイの木馬攻撃は、一部のトレーニングサンプルにトリガーを挿入してトレーニングパイプラインを妨害し、トリガーを含むサンプルに対してのみ悪意ある動作をするようにモデルを訓練する。 既存のトロイの木馬検出器はトリガーの種類や攻撃について強い仮定をしている。 そこで本研究では,トロヤニング過程の影響を受け,本質的特性の分析に基づく検出器を提案する。
  論文  参考訳（メタデータ） (2020-07-16T06:55:00Z)
• An Embarrassingly Simple Approach for Trojan Attack in Deep Neural Networks [59.42357806777537]
  トロイの木馬攻撃は、ハッカーが挿入した隠れトリガーパターンに依存する、デプロイされたディープニューラルネットワーク(DNN)を攻撃することを目的としている。 そこで本研究では,有毒データセットの再学習モデルによりトロイの木馬の挙動を注入する,従来と異なる学習自由攻撃手法を提案する。 提案したTrojanNetには,(1)小さなトリガパターンによって起動し,他の信号に対してサイレントを維持する,(2)モデルに依存しない,ほとんどのDNNに注入可能な,(3)攻撃シナリオを劇的に拡張する,(3)訓練不要のメカニズムは従来のトロイの木馬攻撃方法と比較して大規模なトレーニング作業の削減など,いくつかの優れた特性がある。
  論文  参考訳（メタデータ） (2020-06-15T04:58:28Z)

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。