Autenticação de Dispositivos de Internet das Coisas Baseada nas Características do Sinal Eletromagnético

• Marcos Felipe B. de Abreu UFG
• Pabllo F. A. Sousa UFG
• Vinicius da C. M. Borges UFG
• Antônio C. de Oliveira Jr. UFG
• Kleber Viera Cardoso UFG

Resumo

O acesso de dispositivos não autorizados em uma rede é um problema de seguranc¸a em Internet das Coisas. Os identificadores únicos dos dispositivos usados para autenticação dos mesmos podem ser facilmente clonados, sendo assim necessário outra forma de autenticação. Monitorando o espectro eletromagnético através de um rádio definido por software é possível capturar dados transmitidos por diversos dispositivos de comunicação sem fio. Esses dados nos permite extrair características únicas de um dispositivo, visto que, um circuito elétrico que gera o sinal eletromagnético não se comporta perfeitamente igual a outro. Essas características podem então ser usadas na criação de uma assinatura única, possibilitando assim a diferenciação de dispositivos. Há várias tecnologias IoT no mercado e espera-se que a implementação de uma técnica de autenticação seja independente de tecnologia. Para validação da técnica são coletados sinais de dispositivos da tecnologia nRF24L01+, extraindo características da magnitude do sinal. Essas características são usadas em um classificador, ao qual é obtida uma acurácia de 94,7% na diferenciação de dispositivos.

Palavras-chave: Autenticação IoT, Aprendizado de Máquina, Gateway IoT, Identificação.

Referências

Barbeau, M., Hall, J., and Kranakis, E. (2006). Detection of rogue devices in bluetooth networks using radio frequency fingerprinting. In proceedings of the 3rd IASTED International Conference on Communications and Computer Networks, CCN, pages 4–6. Citeseer.

Bezawada, B., Bachani, M., Peterson, J., Shirazi, H., Ray, I., and Ray, I. (2018). IoTSense: Behavioral Fingerprinting of IoT Devices. arXiv preprint arXiv:1804.03852.

Bihl, T. J., Bauer, K. W., and Temple, M. A. (2016). Feature Selection for RF Fingerprin-ting With Multiple Discriminant Analysis and Using ZigBee Device Emissions. IEEE Transactions on Information Forensics and Security, 11(8):1862–1874.

Blossom, E. (2004). Gnu radio: tools for exploring the radio frequency spectrum. Linux journal, 2004(122):4.

BNDES (2017). Produto 8: Relatorio´ do plano de ação. Technical report, Banco Nacional do Desenvolvimento Social (BNDES).

Brik, V., Banerjee, S., Gruteser, M., and Oh, S. (2008). Wireless device identification with radiometric signatures. In Proceedings of the 14th ACM international conference on Mobile computing and networking, pages 116–127. ACM.

Choe, H. C., Poole, C. E., Andrea, M. Y., and Szu, H. H. (1995). Novel identification of intercepted signals from unknown radio transmitters. In Wavelet Applications II, volume 2491, pages 504–518. International Society for Optics and Photonics.

Danev, B. and Capkun, S. (2009). Transient-based identification of wireless sensor nodes. In Proceedings of the 2009 International Conference on Information Processing in Sensor Networks, pages 25–36. IEEE Computer Society.

Danev, B., Zanetti, D., and Capkun, S. (2012). On physical-layer identification of wireless devices. ACM Computing Surveys (CSUR), 45(1):6.

Gomez, C. and Paradells, J. (2010). Wireless home automation networks: A survey of architectures and technologies. volume 48, pages 92–101. IEEE.

Hall, J., Barbeau, M., and Kranakis, E. (2005). Radio frequency fingerprinting for in-trusion detection in wireless networks. IEEE Transactions on Defendable and Secure Computing, 12:1–35.

J. Gubbi, R. Buyya, S. M. M. P. (2013). Internet of things (iot): A vision, architectural elements, and future directions in future generation computer systems. volume 29, pages 1645–1660.

Jolliffe, I. (2011). Principal component analysis. In International encyclopedia of statis-tical science, pages 1094–1096. Springer.

LABORA, T. (2017). SOFTware-defined gateWAY and fog computing for IoT.

Meidan, Y., Bohadana, M., Shabtai, A., Guarnizo, J. D., Ochoa, M., Tippenhauer, N. O., and Elovici, Y. (2017). Profiliot: a machine learning approach for iot device identifi-cation based on network traffic analysis. In Proceedings of the Symposium on Applied Computing, pages 506–509. ACM.

Nawir, M., Amir, A., Yaakob, N., and Lynn, O. B. (2016). Internet of things (iot): Taxo-nomy of security attacks. In 2016 3rd International Conference on Electronic Design (ICED), pages 321–326.

of Homeland Security, U. D. (2016). Strategic principles for securing the internet of things (iot). pages 1–17.

Toonstra, J. and Kinsner, W. (1995). Transient analysis and genetic algorithms for clas-sification. In WESCANEX 95. Communications, Power, and Computing. Conference Proceedings., IEEE, volume 2, pages 432–437. IEEE.

Verma, G., Yu, P., and Sadler, B. M. (2015). Physical layer authentication via fingerprint embedding using software-defined radios. IEEE Access, 3:81–88.

Xu, T., Wendt, J. B., and Potkonjak, M. (2014). Security of iot systems: Design challenges and opportunities.

Zhao, K. and Ge, L. (2013). A survey on the internet of things security. In Computational Intelligence and Security (CIS), 2013 9th International Conference on, pages 663–667. IEEE.

Zhu, Q., Wang, R., Chen, Q., Liu, Y., and Qin, W. (2010). Iot gateway: Bridgingwire-less sensor networks into internet of things. In Embedded and Ubiquitous Computing (EUC), 2010 IEEE/IFIP 8th International Conference on, pages 347–352. Ieee.