Data-driven classification of low-power communication signals by an unauthenticated user using a software-defined radio

要約

多くの大規模分散マルチエージェント システムは、低電力通信ネットワークを介して情報を交換します。
特に、エージェントはロボット ネットワーク アプリケーションで状態信号と制御信号を断続的に通信しますが、多くの場合、ライセンスのないスペクトル上では電力が限られているため、盗聴やサービス妨害攻撃を受けやすくなります。
この論文では、LoRa として知られる広く普及している低電力通信プロトコルは、ターゲット信号の帯域幅と拡散率を特定できれば、認証されていない攻撃者によるサービス妨害攻撃に対して脆弱であると主張します。
LoRa 信号の瞬時周波数表現の構造パターンを利用して、2 つの未知のパラメーターを共同推論する問題を分類問題に関連付けます。これはニューラル ネットワークを使用して効率的に実装できます。

要約(オリジナル)

Many large-scale distributed multi-agent systems exchange information over low-power communication networks. In particular, agents intermittently communicate state and control signals in robotic network applications, often with limited power over an unlicensed spectrum, prone to eavesdropping and denial-of-service attacks. In this paper, we argue that a widely popular low-power communication protocol known as LoRa is vulnerable to denial-of-service attacks by an unauthenticated attacker if it can successfully identify a target signal’s bandwidth and spreading factor. Leveraging a structural pattern in the LoRa signal’s instantaneous frequency representation, we relate the problem of jointly inferring the two unknown parameters to a classification problem, which can be efficiently implemented using neural networks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google