Resumen Técnico: RogueRover

Declaración del Problema

En los sistemas ciberfísicos (CPS), los dispositivos inalámbricos no autorizados, como los puntos de acceso fraudulentos (RAP, por sus siglas en inglés), representan un riesgo de seguridad significativo al permitir el acceso encubierto a la red y el movimiento lateral. Aunque los mecanismos del lado de la red (por ejemplo, comparaciones de listas blancas) pueden detectar la presencia de estos dispositivos, persiste un cuello de botella crítico en la localización física de los mismos para la respuesta ante incidentes. Las soluciones existentes enfrentan limitaciones distintivas:

• WIDS/WIPS estáticos: Requieren una infraestructura de detección densa y preinstalada, lo que a menudo deja brechas de cobertura.
• Huella digital (Fingerprinting): Logra una alta precisión pero demanda calibración y mantenimiento específicos del sitio, lo cual es inviable durante una respuesta rápida ante incidentes.
• Técnicas basadas en CSI: Ofrecen una precisión de sub-metro pero dependen de hardware especializado y firmware modificado.
• Enjambres multi-robot: Mejoran la cobertura pero introducen una alta complejidad de coordinación.

El artículo aborda el desafío de localizar dispositivos fraudulentos desconocidos en un entorno dinámico sin conocimiento previo de RF, sensores preinstalados, calibración del sitio o hardware especializado.

Metodología: Sistema RogueRover

RogueRover es un sistema de extremo a extremo diseñado para detectar y localizar de forma autónoma dispositivos inalámbricos fraudulentos utilizando un único robot cuadrúpedo de consumo. El sistema opera bajo una restricción de configuración cero, lo que significa que no requiere huella digital de RF previa ni calibración ambiental.

1. Arquitectura del Sistema

• Plataforma: Un robot cuadrúpedo Unitree Go2 equipado con ROS2 Foxy, navegación basada en LiDAR y dos interfaces 802.11n (una para escaneo pasivo, otra para la comunicación del robot).
• Protocolo Operativo (Parar y Escanear): El robot sigue una ruta predefinida de puntos de control (waypoints) derivados de un mapa de rejilla de ocupación. En cada punto de control, el robot se detiene durante un periodo de permanencia de 10 segundos para realizar un escaneo pasivo de beacons 802.11.
• Recolección de Datos: El sistema registra mediciones de la Indicación de Fuerza de la Señal Recibida (RSSI) $(x_i, y_i, r_i)$ espacialmente etiquetadas para cada BSSID detectado, donde $(x_i, y_i)$ es la posición del robot y $r_i$ es el RSSI en dBm.

2. Pipeline de Detección

Para identificar dispositivos fraudulentos sin entrenamiento, el sistema emplea un mecanismo de puntuación heurístico ligero basado en tres señales:

1. Dirección MAC administrada localmente: Un aumento en la puntuación si el bit de administración local de IEEE está activado (común en hotspots de consumo).
2. Patrones de SSID: Puntuaciones positivas para patrones de hotspot móvil (por ejemplo, "Galaxy_*") y puntuaciones negativas para nombres de infraestructura conocidos en la lista blanca.
3. Búsqueda de Fabricante (Vendor Lookup): Puntuaciones negativas para fabricantes asociados con infraestructura gestionada.
   Los dispositivos con una puntuación $\ge 0.5$ son marcados como candidatos, siempre que sean observados en al menos $k_{min}=3$ puntos de control distintos para asegurar la diversidad espacial.

3. Algoritmos de Localización

El sistema estima la posición del AP fraudulento $(\hat{x}, \hat{y})$ de forma offline utilizando únicamente los datos de RSSI recolectados. El artículo evalúa tres enfoques basados en centroides frente a una línea base paramétrica, todos bajo restricciones de cero-conocimiento previo:

• Centroide Ponderado (WCL): Estima la posición como el promedio ponderado por potencia de las posiciones de los puntos de control ($w_i = 10^{r_i/10}$).
• Centroide Ponderado Exponencialmente (ExpWCL): Utiliza pesos exponenciales ($w_i = e^{\beta r_i}$) para enfatizar las mediciones de alto RSSI, aumentando la influencia de los puntos cercanos al emisor.
• Método de Ensamble: Combina estimaciones de WCL, ExpWCL y una línea base paramétrica. Si las estimaciones son consistentes (dentro de 5 m), se promedian; de lo contrario, se utiliza la mediana geométrica.
• Línea Base Paramétrica (LS+Huber): Un modelo de pérdida de trayectoria de distancia logarítmica que estima conjuntamente la potencia de transmisión, el exponente de pérdida de trayectoria y la posición utilizando la minimización de la pérdida de Huber. Esto sirve como comparación para determinar si la complejidad del modelo ayuda a la precisión sin calibración.

Principales Contribuciones

1. Localización Libre de Infraestructura: La presentación de un sistema autónomo capaz de localizar dispositivos fraudulentos sin huella digital de RF, sensores preinstalados o calibración del sitio.
2. Viabilidad de Configuración Cero: Demostración de que un único robot de consumo puede lograr una precisión de localización práctica (error mediano de 1.62 m) durante una sola patrulla sin conocimiento previo de RF.
3. Puente entre Detección y Remediación: Un flujo de trabajo que cierra la brecha entre la detección a nivel de red y la respuesta física ante incidentes.

Resultados Experimentales

El sistema fue evaluado en un entorno de oficina de 800 $m^2$ durante 11 ejecuciones de patrulla con 6 APs fraudulentos desplegados (smartphones y laptops actuando como hotspots) a través de áreas abiertas, con paredes de yeso y particiones de vidrio.

• Desempeño de Patrulla Única: A través de 62 sesiones de AP-patrulla, ExpWCL logró un error de localización mediano de 1.62 m, con el 32.3% de las estimaciones dentro de 1 m.
  • Centroide vs. Paramétrico: Los estimadores de centroide simples (WCL, ExpWCL) superaron significativamente a la línea base paramétrica LS+Huber (error mediano 3.41 m) bajo condiciones de cero-conocimiento previo. Esto indica que, sin calibración, los modelos paramétricos introducen varianza debido a la naturaleza mal condicionada de la estimación conjunta de parámetros.
  • Sensibilidad del Estimador: La diferencia entre el mejor método de centroide (ExpWCL) y la línea base de cero parámetros (WCL) fue de solo 0.33 m, lo que sugiere que la complejidad del estimador es un factor secundario comparado con la geometría de la medición.
• Agregación de Multi-Patrulla: Al agregar datos de múltiples patrullas, cinco de los seis dispositivos fueron localizados dentro de 1 m.
• Validación Ciega: En un ensayo ciego con dos dispositivos previamente no vistos, el sistema los identificó correctamente entre 73 BSSIDs observados y los localizó con errores de 0.34 m y 1.84 m.
• Determinantes Geométricos: La precisión fue impulsada principalmente por la cobertura de medición espacial. Los dispositivos rodeados por puntos de control desde múltiples direcciones lograron una precisión de sub-metro, mientras que aquellos observados principalmente desde una dirección (por ejemplo, cerca de la periferia de la patrulla) exhibieron errores más altos.

Significancia y Reivindicaciones

El artículo afirma que la localización autónoma y libre de infraestructura es factible en la práctica para la respuesta ante incidentes. La significancia principal radica en demostrar que:

1. La Cobertura Espacial es Primordial: Bajo restricciones de cero-conocimiento previo, la calidad de la localización está determinada más por la diversidad espacial de la ruta de patrulla que por la sofisticación del algoritmo de localización.
2. Viabilidad Operativa: Una patrulla simple con un solo robot puede proporcionar suficiente precisión (mediana ~1.6 m) para guiar a los equipos de seguridad hacia la habitación o el segmento de pasillo correcto para la remediación física, eliminando la necesidad de redes de sensores estáticos densos o calibraciones laboriosas.
3. Robustez: Los métodos ligeros basados en centroides proporcionan soluciones más estables y confiables que los modelos paramétricos complejos cuando no hay datos de propagación previos disponibles.

Los autores concluyen que RogueRover cierra eficazmente la brecha entre la detección y la remediación física, ofreciendo una herramienta práctica para la respuesta rápida ante incidentes en entornos ciberfísicos donde la infraestructura de detección adicional no está disponible.