Physical Layer Authentication With Channel Knowledge Maps in Indoor Environments

技術要約：屋内環境におけるチャネル知識マップを用いた物理層認証

問題提起
物理層認証（PLA）は通常、時間の経過に伴うチャネル測定値を比較することでユーザーを認証し、時間の整合性やモデル化された進化の仮定に依存している。しかし、これらの仮定は屋内環境における移動デバイスにとって問題となる。このような環境では、マルチパス伝搬や信号の遮蔽物（家具、人など）によって非視線方向（NLoS）成分が支配的となり、チャネル統計が時変的になり、解析的なモデリングが困難になる。既存のPLA手法は、ユーザーが移動する場合や複雑な屋内空間において、検証に必要な事前解析モデルを取得することに苦慮している。さらに、環境認識型通信のためにチャネル知識マップ（CKM）が提案されているものの、その認証への応用、特に検証者がユーザーの正確な軌跡を事前に知らない移動デバイスへの適用については、まだ十分に研究されていない。

手法
本論文は、解析的なチャネルモデルの必要性を排除するために、事前収集されたチャネル知識マップ（CKM）を活用した、屋内環境における移動デバイス向けのPLAメカニズムを提案する。

• システムモデル: シナリオは、均一線形アレイ（ULA）を備えた複数のアクセスポイント（AP）を制御する検証者（Bob）、および2つの単一アンテナユーザー（正当なユーザーであるAliceと、攻撃者であるTrudy）で構成される。APは、受信したパイロット信号から、支配的なチャネルタップのパスロス（PL）および到着角（AoA）を推定する。
• チャネル知識マップ（CKM）: Bobは、ユーザーの位置 $p$ から期待されるチャネル特徴量 $\phi(p) = \{r(p), \theta(p)\}$ （ここで $r$ はPL、$\theta$ はAoA）をマッピングした、レイトレーシング等により導出されたノイズレスなCKMを保有している。
• 移動制約: Aliceの正確な軌跡はBobには未知である。しかし、両者はAliceの最大速度 $\nu$ を知っている。したがって、任意の時刻ステップ $k$ において、Aliceの位置は、前回の推定位置を中心とした正方形のウィンドウ $P_k$ 内に制約される。
• 認証メカニチズム:
  1. Bobは、受信信号から現在のチャネル特徴量 $\hat{\phi}^{(k)}$ を推定する。
  2. Bobは、信号がAlice（$H_0$）に由来するか、Trudy（$H_1$）に由来するかを決定するための仮説検定を行う。
  3. 以下の2つのテスト手法が評価される：
     • 尤度テスト（LT）: 有効な移動ウィンドウ $P_k$ 内にユーザーが存在すると仮定した場合の観測値の最大尤度を計算する。
     • 一般化尤度比検定（GLRT）: $P_k$ 内の最大尤度を、$P_k$ の外側（最悪のケースの攻撃を代表する）の最大尤度と比較する。
  4. テスト統計量が閾値 $\xi$ を超える場合、信号は認証され、最大事後確率（MAP）手順を介してAliceの位置が更新される。
• 攻撃戦略: 著者らは、以下の3つの攻撃ベクトルを分析している：
  1. ランダム位置攻撃: Trudyは部屋内のランダムな位置から送信する。
  2. 情報に基づく攻撃: TrudyはCKMとAliceの直前の位置を知っており、スプーフィング（なりすまし）の成功率を最大化するために、限定されたウィンドウ $W_T$ 内の最適な位置へ移動する。
  3. フルマップ攻撃: TrudyはCKMの完全な知識を持ち、スプーフィングされた信号の尤度を最大化するために、（$P_k$ を除いた）部屋内の任意の位置へ即座に移動できる。

主な貢献

• 新規プロトコル: 解析的なチャネルモデリングへの依存を回避するためにCKMを利用した、屋内環境における移動デバイス専用のPLAプロトコルを設計した。
• セキュリティ分析: ランダムな攻撃および最適（情報に基づく／フルマップ）攻撃シナリオの両方における包括的なセキュリティ分析を実施した。
• 比較テスト: LTとGLRTの性能を比較し、それぞれの攻撃タイプに対する脆弱性を分析した。
• 検証: レイトレーシングを用いて生成されたCKMを使用し、代表的な屋内シナリオにおける数値結果を用いて、提案手法を検証した。

数値結果
シミュレーションは、4つのAPとそれぞれ4つのアンテナを備えた $8 \times 5 \times 3$ m$^3$ の部屋において、MATLABのレイトレーシングツールを使用して実施された。

• AP数とノイズの影響: 認証性能（検出漏れ vs 誤検知で測定）は、AP数の増加および推定ノイズの減少に伴い向上する。APが少ないと、遮蔽物が増え、検出性能に「プラトー（停滞）」現象が生じる。
• 攻撃性能:
  • ランダム位置攻撃は、攻撃者にとって最も成績が悪くなる。
  • フルマップ攻撃は、攻撃者にとって最高の性能を提供し、上限値となる。
  • 情報に基づく攻撃の性能は、攻撃者の移動ウィンドウ（$W_T$）に応じて変化する。攻撃者がAliceと同じ程度に移動する場合（$W_T = W_A$）、誤検知率（$P_{FA}$）が $10^{-2}$ のとき、検出漏れ確率（$P_{MD}$）は約 $2 \cdot 10^{-2}$ となる。
• LT vs GLRT: LTからGLRTに切り替えると、検出器はランダム位置攻撃に対してより脆弱になる（GLRT比の分母がランダムな測定値に対して小さくなる可能性があるため）が、フルマップ攻撃の成功率は低下する。しかし、GLRTはフルマップ攻撃の脅威を完全に排除するものではない。
• 全体的な有効性: ランダム位置攻撃シナリオにおいて、システムは $P_{MD} = P_{FA} = 3 \cdot 10^{-3}$ を達成する。フルマップ攻撃下では、システムは $P_{MD} = P_{FA} = 6 \cdot 10^{-3}$ を保証する。

意義および主張
著者らは、提案されたアプローチが、解析的なモデルへの依存を排除することで、屋内環境における移動デバイスのPLAを効果的に検証できると主張している。CKMの使用により、観測されたチャネル特徴量と、ユーザーの既知の以前の位置の空間的近傍との間の整合性を検証することが可能になる。本論文は、プロトコルが検討された攻撃に対して有効であることを結論付けており、数値結果はレイトレーシングでシミュレートされた屋内環境における生存可能性を裏付けている。本研究は、環境知識をセキュリティに活用した、6Gネットワークにおける環境認識型通信への一歩として提示されている。著者らは、本研究は単一ステップの認証に焦点を当てており、その後の軌跡ステップにおける性能分析は今後の課題であると述べている。