Datum: Dienstag, 25.06.2024, 15:45 Uhr

Referentin: Prof. Francesca Meneghello, University of Padova

Titel: Adversary Attack to IEEE 802.11 MU-MIMO Precoding Through Compressed CSI >Feedback Poisoning

Ort: S2-20/09-10 in Präsenz und online via Zoom

Über den Vortrag

Multi-User MIMO ist eine Schlüsselkomponente moderner drahtloser Netzwerke. Die Untersuchung der damit verbundenen Sicherheitsprobleme ist daher zwingend notwendig. Ein Hauptproblem, das in der bisherigen Forschung aufgedeckt wurde, ist, dass Angreifer die an den beamformer übermittelte Feedback von Kanalzustandsinformationen “vergiften” können, um die Leistung des autorisierten Benutzers zu verringern. Bisherige Arbeiten gehen jedoch davon aus, dass das Feedback unkomprimiert übermittelt wird, was bei realen drahtlosen Standards wie Wi-Fi oder 5G nicht der Fall ist. In diesem Vortrag werde ich ein System vorstellen, das es einem Angreifer ermöglicht, den Durchsatz legitimer Benutzer beliebig zu reduzieren, indem er vergiftetes Feedback an den Access Point sendet, das durch die Lösung eines nicht-konvexen eingeschränkten Optimierungsproblems erhalten wird. Der Angriff ist standardkonform und wurde als Prototyp entwickelt und auf handelsüblichen Wi-Fi-Routern und Smartphones getestet. Durch eine umfassende experimentelle Bewertung in verschiedenen Netzwerkkonfigurationen und an verschiedenen Standorten zeigen wir, dass ein Angreifer mit Hilfe des Angriffs in der Lage ist, den Durchsatz bei legitimen Stationen um 65 % zu verringern, indem er nur etwa 17 % seines Feedbacks verändert.

Über die Vortragende

Francesca Meneghello promovierte 2022 in Informationstechnik an der Universität Padua und ist derzeit Assistenzprofessorin am Fachbereich für Informationstechnik derselben Universität. Im Jahr 2023 war sie im Rahmen eines Fulbright-Schuman-Stipendiums Gastforscherin am Institute for the Wireless Internet of Things an der Northeastern University (USA). Sie erhielt 2022 den GTTI-Promotionspreis für Doktorarbeiten im Bereich Kommunikationstechnologien und im Herbst 2022 den Preis des IEEE DataPort Dataset Upload Contest in der Kategorie Maschinelles Lernen. Zu ihren Forschungsinteressen gehören sensorgestützte Algorithmen für kontext- und energiebewusste drahtlose Netzwerke sowie kommunikationsgestützte Ansätze für die Fernerkundung von Funkfrequenzen durch Deep-Learning-Architekturen.