Adversarial-Ensemble Kolmogorov Arnold Networks for Enhancing Indoor Wi-Fi Positioning: A Defensive Approach Against Spoofing and Signal Manipulation Attacks

要約

この研究では、敵対的な攻撃に対する Wi-Fi ベースの屋内測位システムの堅牢性を強化することに関する研究が紹介されています。
目標は、Wi-Fi スプーフィングと信号強度操作という 2 つの攻撃シナリオの下で、これらのシステムの測位精度と回復力を向上させることです。
ベースライン モデル (M_Base)、敵対的にトレーニングされたロバスト モデル (M_Rob)、およびアンサンブル モデル (M_Ens) の 3 つのモデルが開発および評価されます。
すべてのモデルは Kolmogorov-Arnold Network (KAN) アーキテクチャを利用しています。
ロバスト モデルは敵対的に摂動されたデータを使用してトレーニングされるのに対し、アンサンブル モデルはベース モデルとロバスト モデルの両方からの予測を組み合わせます。
実験結果では、堅牢なモデルにより測位誤差がベースラインと比較して約 10% 減少し、Wi-Fi スプーフィング下では 2.03 メートルの誤差、信号強度操作下では 2.00 メートルの誤差が達成されることが示されています。
アンサンブル モデルは、それぞれの攻撃タイプで 2.01 メートルと 1.975 メートルの誤差でさらに優れています。
この分析は、攻撃の影響を軽減する上での敵対的トレーニング手法の有効性を浮き彫りにしています。
この調査結果は、回復力の向上によってミッションクリティカルな環境におけるそのようなシステムの精度と信頼性が大幅に向上する可能性があるため、屋内測位システムの開発において敵対的なシナリオを考慮することの重要性を強調しています。

要約(オリジナル)

The research presents a study on enhancing the robustness of Wi-Fi-based indoor positioning systems against adversarial attacks. The goal is to improve the positioning accuracy and resilience of these systems under two attack scenarios: Wi-Fi Spoofing and Signal Strength Manipulation. Three models are developed and evaluated: a baseline model (M_Base), an adversarially trained robust model (M_Rob), and an ensemble model (M_Ens). All models utilize a Kolmogorov-Arnold Network (KAN) architecture. The robust model is trained with adversarially perturbed data, while the ensemble model combines predictions from both the base and robust models. Experimental results show that the robust model reduces positioning error by approximately 10% compared to the baseline, achieving 2.03 meters error under Wi-Fi spoofing and 2.00 meters under signal strength manipulation. The ensemble model further outperforms with errors of 2.01 meters and 1.975 meters for the respective attack types. This analysis highlights the effectiveness of adversarial training techniques in mitigating attack impacts. The findings underscore the importance of considering adversarial scenarios in developing indoor positioning systems, as improved resilience can significantly enhance the accuracy and reliability of such systems in mission-critical environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google