Identification des attaquants dans LoRaWAN par l'empreinte des canaux physiques

Résumé

Dans l'environnement actuel, les réseaux sans fil et les technologies IoT ont été intégrés dans une variété d'applications. L'une des technologies IoT les plus essentielles est le réseau étendu à longue portée (LoRaWAN) en raison de sa capacité à combiner communication à longue portée et efficacité énergétique. Assurer la sûreté et la sécurité du trafic réseau est une question cruciale dans un large éventail d'industries actuelles, et la sécurité est une caractéristique essentielle maintenant que la numérisation s'accélère. L'attaque de type "Man in the Middle" est l'une des menaces les plus dangereuses et les plus difficiles à identifier pour les réseaux sans fil, et peut devenir une menace critique pour les actifs numérisés et les processus industriels. Dans cette étude, nous examinons une approche alternative pour résoudre ce problème afin d'assurer la sécurité des réseaux sans fil. La technique est basée sur la "méthode de sécurité comportementale", dans laquelle nous avons employé un modèle de réseau neuronal à action directe pour construire un classificateur binaire capable de discriminer et de reconnaître les données originales souhaitées tout en détectant les données de l'attaquant. Nous avons ainsi découvert que tant que l'attaquant et le nœud ciblé ne sont pas situés au même endroit, le modèle peut faire la distinction entre les données provenant de la source et celles provenant de l'attaquant avec une précision de 99,6 %. En revanche, s'ils sont co-localisés, le modèle ne parviendra pas à identifier la source des données et la précision du modèle chutera à environ 50 %.