Sintesi Tecnica: RogueRover

Problematica

Nei sistemi cyber-fisici (CPS), i dispositivi wireless non autorizzati, come i punti di accesso rogue (RAP), rappresentano un significativo rischio di sicurezza, consentendo l'accesso furtivo alla rete e il movimento laterale. Sebbene i meccanismi lato rete (ad esempio, i confronti con le whitelist) possano rilevare la presenza di questi dispositivi, rimane un collo di bottiglia critico nella loro localizzazione fisica per la risposta agli incidenti. Le soluzioni esistenti affrontano distinte limitazioni:

• WIDS/WIPS Statici: Richiedono un'infrastruttura di rilevamento densa e pre-installata, lasciando spesso lacune nella copertura.
• Fingerprinting: Ottiene un'elevata accuratezza ma richiede calibrazione e manutenzione specifiche per il sito, il che è impraticabile durante una rapida risposta agli incidenti.
• Tecniche basate su CSI: Offrono un'accuratezza sub-metrica ma si affidano a hardware specializzato e firmware modificati.
• Sciami multi-robot: Migliorano la copertura ma introducono un'elevata complessità di coordinamento.

Il documento affronta la sfida di localizzare dispositivi rogue sconosciuti in un ambiente dinamico senza previa conoscenza RF, sensori pre-installati, calibrazione del sito o hardware specializzato.

Metodologia: Sistema RogueRover

RogueRover è un sistema end-to-end progettato per rilevare e localizzare autonomamente dispositivi wireless rogue utilizzando un singolo robot quadrupede commerciale. Il sistema opera sotto un vincolo di configurazione zero, il che significa che non richiede alcun precedente fingerprinting RF o calibrazione ambientale.

1. Architettura del Sistema

• Piattaforma: Un robot quadrupede Unitree Go2 dotato di ROS2 Foxy, navigazione basata su LiDAR e due interfacce 802.11n (una per la scansione passiva, una per la comunicazione del robot).
• Protocollo Operativo (Stop-and-Scan): Il robot segue un percorso predefinito di waypoint derivati da una mappa di griglia di occupazione. Ad ogni waypoint, il robot si arresta per un periodo di sosta di 10 secondi per eseguire una scansione passiva dei beacon 802.11.
• Raccolta Dati: Il sistema registra le misurazioni del Received Signal Strength Indicator (RSSI) spazialmente etichettate $(x_i, y_i, r_i)$ per ogni BSSID rilevato, dove $(x_i, y_i)$ è la posizione del robot e $r_i$ è l'RSSI in dBm.

2. Pipeline di Rilevamento

Per identificare i dispositivi rogue senza addestramento, il sistema impiega un meccanismo di punteggio euristico leggero basato su tre segnali:

1. Indirizzo MAC Amministrato Localmente: Un aumento del punteggio se il bit IEEE "locally administered" è impostato (comune negli hotspot consumer).
2. Pattern SSID: Punteggi positivi per pattern di hotspot mobili (es. "Galaxy_*") e punteggi negativi per nomi di infrastrutture note in whitelist.
3. Ricerca del Vendor: Punteggi negativi per i produttori associati a infrastrutture gestite.
   I dispositivi con un punteggio $\ge 0,5$ sono segnalati come candidati, a condizione che siano osservati in almeno $k_{min}=3$ waypoint distinti per garantire la diversità spaziale.

3. Algoritmi di Localizzazione

Il sistema stima la posizione del AP rogue $(\hat{x}, \hat{y})$ offline utilizzando solo i dati RSSI raccolti. Il documento valuta tre approcci basati sui centroidi rispetto a un baseline parametrico, tutti sotto vincoli di zero-prior:

• Weighted Centroid (WCL): Stima la posizione come la media pesata della potenza delle posizioni dei waypoint ($w_i = 10^{r_i/10}$).
• Exponentially Weighted Centroid (ExpWCL): Utilizza pesi esponenziali ($w_i = e^{\beta r_i}$) per enfatizzare le misurazioni con alto RSSI, aumentando l'influenza dei punti vicini all'emittente.
• Metodo Ensemble: Combina le stime di WCL, ExpWCL e un baseline parametrico. Se le stime sono coerenti (entro 5 m), vengono mediate; altrimenti, viene utilizzata la mediana geometrica.
• Baseline Parametrica (LS+Huber): Un modello di perdita di percorso a distanza logaritmica che stima congiuntamente la potenza di trasmissione, l'esponente di perdita di percorso e la posizione utilizzando la minimizzazione della Huber-loss. Questo serve come confronto per determinare se la complessità del modello aiuti l'accuratezza senza calibrazione.

Contributi Chiave

1. Localizzazione Senza Infrastruttura: La presentazione di un sistema autonomo capace di localizzare dispositivi rogue senza fingerprinting RF, sensori pre-installati o calibrazione del sito.
2. Fattibilità Zero-Configuration: Dimostrazione che un singolo robot commerciale può raggiungere una praticità di accuratezza nella localizzazione (errore mediano di 1,62 m) durante un singolo pattugliamento senza previa conoscenza RF.
3. Colmare il divario tra Rilevamento e Rimedio: Un flusso di lavoro che colma il divario tra il rilevamento a livello di rete e la risposta fisica agli incidenti, consentendo una rapida investigazione fisica.

Risultati Sperimentali

Il sistema è stato valutato in un ambiente ufficio di 800 $m^2$ attraverso 11 sessioni di pattugliamento con 6 AP rogue distribuiti (smartphone e laptop che agiscono da hotspot) in aree aperte, delimitate da pareti in cartongesso e partizioni in vetro.

• Prestazioni a Singolo Pattugliamento: Su 62 sessioni AP-patrol, ExpWCL ha ottenuto un errore di localizzazione mediano di 1,62 m, con il 32,3% delle stime entro 1 m.
  • Centroidi vs Parametrico: Semplici stimatori centroidi (WCL, ExpWCL) hanno superato significativamente il baseline parametrico LS+Huber (errore mediano 3,41 m) in condizioni di zero-prior. Ciò indica che, senza calibrazione, i modelli parametrici introducono varianza a causa della natura mal condizionata della stima congiunta dei parametri.
  • Sensibilità dello Stimatore: La differenza tra il miglior metodo centroidale (ExpWCL) e il baseline a zero parametri (WCL) è stata di soli 0,33 m, suggerendo che la complessità dello stimatore è un fattore secondario rispetto alla geometria delle misurazioni.
• Aggregazione Multi-Pattugliamento: Aggregando i dati da più pattugliamenti, cinque dei sei dispositivi sono stati localizzati entro 1 m.
• Validazione Cieca: In una prova cieca con due dispositivi precedentemente non visti, il sistema li ha identificati correttamente tra 73 BSSID osservati e li ha localizzati con errori di 0,34 m e 1,84 m.
• Determinanti Geometrici: L'accuratezza era guidata principalmente dalla copertura delle misurazioni spaziali. I dispositivi circondati da waypoint da più direzioni hanno raggiunto un'accuratezza sub-metrica, mentre quelli osservati principalmente da una sola direzione (es. vicino alla periferia del pattugliamento) hanno mostrato errori più elevati.

Significato e Rivendicazioni

Il documento afferma che la localizzazione autonoma e senza infrastruttura è praticabile nella realtà per la risposta agli incidenti. Il significato primario risiede nel dimostrare che:

1. La Copertura Spaziale è Fondamentale: Sotto vincoli di zero-prior, la qualità della localizzazione è determinata più dalla diversità spaziale della rotta di pattugliamento che dalla sofisticazione dell'algoritmo di localizzazione.
2. Viabilità Operativa: Un semplice pattugliamento con un singolo robot può fornire un'accuratezza sufficiente (mediana ~1,6 m) per guidare i team di sicurezza verso la stanza o il segmento di corridoio corretto per il rimedio fisico, eliminando la necessità di reti di sensori statici densi o calibrazioni laboriose.
3. Robustezza: Metodi centroidi leggeri forniscono soluzioni più stabili e affidabili rispetto ai modelli parametrici complessi quando non è disponibile alcuna precedente informazione sulla propagazione.

Gli autori concludono che RogueRover colma efficacemente il divario tra il rilevamento e il rimedio fisico, offrendo uno strumento pratico per la rapida risposta agli incidenti in ambienti cyber-fisici dove un'ulteriore infrastruttura di rilevamento non è disponibile.