使用反向散射机制检测机器人网络中的共谋Sybil攻击者
密码学与安全
2020-12-29 v1
摘要
由于无线介质的开放性，由许多微型机器人组成的机器人网络容易受到Sybil攻击，这些攻击者可以捏造大量虚构机器人。此类有害攻击会颠覆机器人协作中的基本信任假设，从而阻碍机器人网络在许多协作任务中的广泛部署。现有解决方案依赖笨重的多天线系统被动获取细粒度的物理层签名，这使得微型机器人无法承受。为了克服这一限制，我们提出了ScatterID，这是一种轻量级系统，将超轻且无电池的反向散射标签附着到单天线机器人上以缓解Sybil攻击。ScatterID不是被动地“观察”签名，而是通过利用反向散射标签主动“操纵”多径传播，从而故意为单天线机器人创造可获取的丰富多径签名。特别是，这些签名被用来精心构建相似性向量，以挫败高级Sybil攻击者，这些攻击者进一步触发功率缩放和共谋攻击以生成不相似的签名。随后，开发了一个定制的随机森林模型来准确推断每个机器人的身份合法性。我们在iRobot Create平台上实现了ScatterID，并在真实环境中的各种Sybil攻击下对其进行了评估。实验结果表明，ScatterID实现了0.987的高AUROC，并在基础和高级Sybil攻击下获得了95.4%的总体准确率。具体而言，它能成功检测出96.1%的假机器人，同时仅错误地拒绝了5.7%的合法机器人。
引用
@article{arxiv.2012.14227,
title = {Detecting Colluding Sybil Attackers in Robotic Networks using Backscatters},
author = {Yong Huang and Wei Wang and Tao Jiang and Qian Zhang},
journal= {arXiv preprint arXiv:2012.14227},
year = {2020}
}
备注
To appear in ACM/IEEE Transactions on Networking. arXiv admin note: substantial text overlap with arXiv:1912.04613