Detecção online de dispositivos sem fio intrusos usando o sinal eletromagnético de transmissão

Página do item simplificado
dc.contributor.advisor-co1Vieira, Flávio Henrique Teles
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0920629723928382pt_BR
dc.contributor.advisor1Cardoso, Kleber Vieira
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0268732896111424pt_BR
dc.contributor.referee1Klautau Júnior, Aldebaro Barreto da Rocha
dc.contributor.referee2Corrêa, Sand Luz
dc.contributor.referee3Cardoso, Kleber Vieira
dc.contributor.referee4Vieira, Flávio Henrique Teles
dc.creatorAbreu, Marcos Felipe Barboza de
dc.creator.Latteshttp://lattes.cnpq.br/0250137367867328pt_BR
dc.date.accessioned2022-10-07T14:55:17Z
dc.date.available2022-10-07T14:55:17Z
dc.date.issued2022-09-23
dc.description.abstractThe identification of Internet of Things (IoT) devices through the electromagnetic signal is a topic widely investigated in the literature, and this technique is considered highly accurate by several works. The use of offline techniques, that is, when there is no presence of new devices, is widely explored, but so far, systems are not found effectively using the detection of unknown devices in the online way, i.e. , one of the greatest potentials of this type of technique has not been investigated. This work presents an online system that differentiates authentic devices from intrusive devices. For this, the use of the probability matrix of classifiers is explored, aiming to identify unknown devices by them. In addition to the technique, it is also presented a system that features a modular, extensible and generic architecture, which aims to minimally interfere with the normal flow of an Internet of Things application. The system is implemented using the GNU Radio tool and experiments are presented, which aim to show the feasibility of the technique. The entire discussion is based on data collected from real environments, using devices from wireless communication technologies LoRa and ZigBee. In addition, the work analyzed data from WiFi technology, from collections found in the literature. Tests show that it is possible to identify unknown devices in the order of milliseconds, with a low error rate.eng
dc.description.provenanceSubmitted by Luciana Ferreira (lucgeral@gmail.com) on 2022-10-06T13:35:00Z No. of bitstreams: 2 Dissertação - Marcos Felipe Barboza de Abreu - 2022.pdf: 8766879 bytes, checksum: c10e4f95fbf22d1f8979b590971c6bc1 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2022-10-07T14:55:17Z (GMT) No. of bitstreams: 2 Dissertação - Marcos Felipe Barboza de Abreu - 2022.pdf: 8766879 bytes, checksum: c10e4f95fbf22d1f8979b590971c6bc1 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5)en
dc.description.provenanceMade available in DSpace on 2022-10-07T14:55:17Z (GMT). No. of bitstreams: 2 Dissertação - Marcos Felipe Barboza de Abreu - 2022.pdf: 8766879 bytes, checksum: c10e4f95fbf22d1f8979b590971c6bc1 (MD5) license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Previous issue date: 2022-09-23en
dc.description.resumoA identificação de dispositivos de Internet das Coisas (IoT) através do sinal eletromagnético é um tema bastante investigado na literatura, sendo essa técnica considerada altamente acurada por diversos trabalhos. O uso de técnicas \textit{offline}, ou seja, quando não há presença de dispositivos novos, é amplamente explorado, mas até o momento, não são encontrados sistemas utilizando efetivamente a detecção de dispositivos não conhecidos forma \textit{online}, i.e., um dos maiores potenciais desse tipo de técnica não vem sendo investigado. Este trabalho apresenta um sistema \textit{online} que diferencia dispositivos autênticos de dispositivos intrusos. Para isso, é explorado o uso da matriz de probabilidade de classificadores, visando identificar dispositivos desconhecidos pelos mesmos. Além da técnica, também é apresentado um sistema que tem como características um arquitetura modular, extensível e genérica, que visa interferir minimamente no fluxo normal de uma aplicação de Internet das Coisas. O sistema é implementado utilizando a ferramenta GNU Radio sendo apresentados experimentos, esses que visam mostrar a viabilidade da técnica. Toda a discussão é baseada em dados coletados de ambientes reais, utilizando dispositivos das tecnologias de comunicação sem fio LoRa e ZigBee. Além disso, no trabalho foram analisados dados da tecnologia WiFi, provenientes de coleções encontradas na literatura. Os testes mostram ser possível identificar dispositivos desconhecidos na ordem de milissegundo, com uma baixa taxa de erro.pt_BR
dc.identifier.citationABREU, M. F. B. Detecção online de dispositivos sem fio intrusos usando o sinal eletromagnético de transmissão. 2022. 58 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2022.pt_BR
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/12358
dc.languageporpt_BR
dc.publisherUniversidade Federal de Goiáspt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Informática - INF (RG)pt_BR
dc.publisher.initialsUFGpt_BR
dc.publisher.programPrograma de Pós-graduação em Ciência da Computação (INF)pt_BR
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectIdentificação radiométricapor
dc.subjectInternet das coisaspor
dc.subjectDiferenciação de dispositivospor
dc.subjectRadiometric identificationeng
dc.subjectInternet ofthingseng
dc.subjectDevice differentiationeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleDetecção online de dispositivos sem fio intrusos usando o sinal eletromagnético de transmissãopt_BR
dc.title.alternativeOnline detection of wireless devices intruders using the electromagnetic signal of transmissioneng
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Marcos Felipe Barboza de Abreu - 2022.pdf
Tamanho:
8.36 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Ciência da Computação (INF)