This paper tackles the challenge of reliably determining the geo-location of nodes in decentralized networks, considering adversarial settings and without depending on any trusted landmarks. In particular, we consider active adversaries that control a subset of nodes, announce false locations and strategically manipulate measurements. To address this problem we propose, implement and evaluate VerLoc, a system that allows verifying the claimed geo-locations of network nodes in a fully decentralized manner. VerLoc securely schedules roundtrip time (RTT) measurements between randomly chosen pairs of nodes. Trilateration is then applied to the set of measurements to verify claimed geo-locations. We evaluate VerLoc both with simulations and in the wild using a prototype implementation integrated in the Nym network (currently run by thousands of nodes). We find that VerLoc can localize nodes in the wild with a median error of 60km, and that in attack simulations it is capable of detecting and filtering out adversarial timing manipulations for network setups with up to 20% malicious nodes.


翻译:本文解决了可靠地确定节点在分散网络中的地理位置的挑战, 同时考虑到对抗性设置, 并且不取决于任何可信任的地标 。 特别是, 我们考虑控制一组节点、 宣布虚假的位置 以及战略操控测量的活跃对手 。 为了解决这个问题, 我们提议、 实施并评估 VerLoc 系统, 这个系统允许以完全分散的方式核查网络节点的声称地理位置 。 VerLoc 安全地安排随机选择的节点对对两对节点的圆流时间测量 。 然后, 3Latelation 应用于一套测量方法, 以核实声称的地理位置 。 我们用模拟和野外两种方法评估VerLoc, 使用Nym 网络( 目前由数千个节点运行 ) 的原型执行模式 。 我们发现 VerLoc 可以将野外节点定位为60公里的中位误差, 在攻击模拟中, 它能够检测和过滤高达20% 恶意节点的网络设置的对抗时间操纵 。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【ICML2020】多视角对比图表示学习,Contrastive Multi-View GRL
专知会员服务
79+阅读 · 2020年6月11日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
12+阅读 · 2018年6月25日
VIP会员
相关资讯
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
12+阅读 · 2018年6月25日
Top
微信扫码咨询专知VIP会员