The low-power radio technologies open up many opportunities to facilitate Internet-of-Things (IoT) into our daily life, while their minimalist design also makes IoT devices vulnerable to many active attacks. Recent advances use an antenna array to extract fine-grained physical-layer signatures to identify the attackers, which adds burdens in terms of energy and hardware cost to IoT devices. In this paper, we present ShieldScatter, a lightweight system that attaches low-cost tags to single-antenna devices to shield the system from active attacks. The key insight of ShieldScatter is to intentionally create multi-path propagation signatures with the careful deployment of tags. These signatures can be used to construct a sensitive profile to identify the location of the signals' arrival, and thus detect the threat. In addition, we also design a tag-random scheme and a multiple receivers combination approach to detect a powerful attacker who has the strong priori knowledge of the legitimate user. We prototype ShieldScatter with USRPs and tags to evaluate our system in various environments. The results show that even when the powerful attacker is close to the legitimate device, ShieldScatter can mitigate 95% of attack attempts while triggering false alarms on just 7% of legitimate traffic.


翻译:低功率无线电技术为我们日常生活提供了许多机会,便利互联网电话(IoT)进入我们的日常生活,而其最起码的设计也使得IoT装置易受许多主动攻击。最近的进展使用一个天线阵列来提取精细的物理显示器来识别攻击者,这增加了IoT装置的能量和硬件成本方面的负担。在本文中,我们介绍一个轻量级系统,将低成本标签附加在单干线装置上,以防范系统受到攻击。SheeldScratter的关键洞察力是有意在谨慎部署标记的情况下创建多路传播信号。这些信号可以用来构建一个敏感的情况来识别信号到达的地点,从而探测威胁。此外,我们还设计了一个标记-许可和多个接收器组合方法,以探测一个对合法用户有很强的先知力的强势攻击者。我们用UnelScrapps的原型和标签来评估我们在不同环境中的系统。结果显示,即使强大的攻击者在接近合法装置95号时,也能够减缓攻击目标的可靠性。

0
下载
关闭预览

相关内容

专知会员服务
32+阅读 · 2021年2月21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
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
已删除
将门创投
3+阅读 · 2019年1月29日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Arxiv
0+阅读 · 2021年7月22日
Arxiv
13+阅读 · 2021年3月3日
Arxiv
3+阅读 · 2018年9月12日
VIP会员
相关VIP内容
专知会员服务
32+阅读 · 2021年2月21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
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF C类 | DSAA 2019 诚邀稿件
Call4Papers
6+阅读 · 2019年5月13日
已删除
将门创投
3+阅读 · 2019年1月29日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Top
微信扫码咨询专知VIP会员