Identificação do atacante em LoRaWAN através da impressão digital do canal físico

Abstrato

No ambiente actual, as redes sem fios e as tecnologias IoT têm sido integradas numa variedade de aplicações. Uma das tecnologias IoT mais essenciais é a Rede de Longa Distância (LoRaWAN) devido à sua capacidade de combinar a comunicação de longa distância com a eficiência energética. Garantir a segurança do tráfego de rede é uma questão crítica numa vasta gama das indústrias actuais, e a segurança é uma característica crítica agora que a digitalização está a acelerar. O ataque "Homem no Meio" é um dos mais perigosos e difíceis de identificar ameaças às redes sem fios, e pode tornar-se uma ameaça crítica para os activos digitalizados e processos industriais. Neste estudo, analisamos uma abordagem alternativa para resolver esta questão, a fim de garantir a segurança das redes sem fios. A técnica baseia-se no "Método de Segurança Comportamental", no qual empregamos um modelo de rede neural Feed-forward para construir um classificador binário que pode discriminar e reconhecer os dados originais desejados ao mesmo tempo que detecta os dados do atacante. Como resultado, descobrimos que enquanto o atacante e o nó visado não estiverem co-localizados, o modelo pode discriminar entre dados provenientes da fonte e dados provenientes do atacante com 99,6 por cento de precisão. Se, por outro lado, estiverem co-localizados, o modelo não conseguirá identificar a fonte dos dados e a precisão do modelo cairá para cerca de 50%.