ВИЯВЛЕННЯ REPLAY/RELAY АТАК У БЕЗДРОТОВИХ СИСТЕМАХ ЗАСОБАМИ RF-FINGERPRINTING ТА SDR

Георгій Лобан; Тарас Луковський

doi:10.28925/2663-4023.2026.34.1315

Автор(и)

Георгій Лобан Національний університет «Львівська Політехніка» https://orcid.org/0009-0003-4862-8729
Тарас Луковський Національний університет «Львівська Політехніка» https://orcid.org/0009-0008-1652-8121

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1315

Ключові слова:

радіочастотний відбиток, , RF-fingerprinting, Replay-атака, Relay-атака, Software-Defined Radio, SDR, безключовий доступ, автентифікація фізичного рівня, Інтернет речей, зсув несучої частоти, IQ-дисбаланс

Анотація

У статті проведено систематизацію методів виявлення атак типу Replay та Relay у бездротових системах на основі радіочастотного відбитка (RF-fingerprinting) сигналу з використанням програмно-визначених радіоприймачів (SDR). Показано, що атаки повторного відтворення й ретрансляції сигналу зберігають коректність даних на протокольному рівні, тому виявлення таких атак можливе лише за рахунок аналізу фізичних апаратних артефактів передавача — зсуву несучої частоти, дисбалансу IQ-компонентів, нелінійності підсилювача потужності та характеристик перехідного процесу. Проаналізовано механізми Replay-атак (повторне відтворення раніше перехопленого сигналу) та Relay-атак (ретрансляція сигналу в реальному часі без його модифікації) на прикладі систем безключового доступу автомобілів, NFC/RFID та вузькосмугових IoT-протоколів (EV1527, Zigbee, LoRa). Виконано порівняльний аналіз придатності поширених SDR-платформ (RTL-SDR V3, HackRF One, ADALM-PLUTO, USRP B210) для задач захоплення IQ-відліків з метою фінгерпринтингу. Запропоновано узагальнену архітектуру системи виявлення, що поєднує SDR-приймач, модуль попередньої обробки сигналу, екстрактор RF-відбитка та блок прийняття рішення на основі порівняння з еталонною базою відбитків. Розроблено узагальнений алгоритм виявлення Replay/Relay атаки, що не потребує модифікації протоколу зв'язку і застосовний незалежно від типу криптографічного захисту даних. Аналіз результатів, наявних у літературі, показує, що підходи на основі RF-fingerprinting дозволяють відрізняти оригінальний сигнал від повтореного чи ретрансльованого з точністю, що сягає 90–99 % залежно від протоколу та умов експерименту.

Завантаження

Дані завантаження ще не доступні.

Посилання

Danev, B., Zanetti, D., & Capkun, S. (2012). On physical-layer identification of wireless devices. ACM Computing Surveys, 45(1), Article 6. https://doi.org/10.1145/2379776.2379782

Xie, L., Peng, L., Zhang, J., et al. (2024). Radio frequency fingerprint identification for Internet of Things: A survey. Security and Safety, 3, Article 2023022. https://doi.org/10.1051/sands/2023022

Abbas, S., Abu Talib, M., Nasir, Q., et al. (2024). Radio frequency fingerprinting techniques for device identification: A survey. International Journal of Information Security, 23(2), 1389-1427. https://doi.org/10.1007/s10207-023-00801-z

Francillon, A., Danev, B., & Capkun, S. (2011). Relay attacks on passive keyless entry and start systems in modern cars. In Proceedings of the Network and Distributed System Security Symposium (NDSS 2011). https://eprint.iacr.org/2010/332

Rasmussen, K. B., & Capkun, S. (2010). Realization of RF distance bounding. In Proceedings of the 19th USENIX Security Symposium (pp. 389-402). USENIX Association.

Bianchi, T., Brighente, A., Conti, M., & Pavan, E. (2025). SoK: Stealing cars since remote keyless entry introduction and how to defend from it. In Proceedings of the 3rd USENIX Symposium on Vehicle Security and Privacy (VehicleSec 2025) (pp. 161-178). USENIX Association.

Wang, Y., Zou, J., & Zhang, K. (2023). Deep-learning-aided RF fingerprinting for NFC relay attack detection. Electronics, 12(3), Article 559. https://doi.org/10.3390/electronics12030559

Quintero, J. C. M., Cuesta, E. P. E., & Lopez, L. J. R. (2023). A new method for the detection and identification of the replay attack on cars using SDR technology and classification algorithms. Results in Engineering, 19, Article 101243. https://doi.org/10.1016/j.rineng.2023.101243

Ahmed, A., Quoitin, B., Gros, A., & Moeyaert, V. (2024). A comprehensive survey on deep learning-based LoRa radio frequency fingerprinting identification. Sensors, 24(13), Article 4411. https://doi.org/10.3390/s24134411

Al-Shawabka, A., et al. (2020). Exposing the fingerprint: Dissecting the impact of the wireless channel on radio fingerprinting. In IEEE INFOCOM 2020-IEEE Conference on Computer Communications (pp. 646–655). IEEE. https://doi.org/10.1109/INFOCOM41043.2020.9155259

Restuccia, F., D’Oro, S., Al-Shawabka, A., et al. (2019). DeepRadioID: Real-time channel-resilient optimization of deep learning-based radio fingerprinting algorithms. In Proceedings of the Twentieth ACM International Symposium on Mobile Ad Hoc Networking and Computing (pp. 51-60). Association for Computing Machinery. https://doi.org/10.1145/3323679.3326503

Dhakal, R., Kandel, L., & Shekhar, P. (2025). Radio frequency fingerprinting authentication for IoT networks using Siamese networks. IoT, 6(3), Article 47. https://doi.org/10.3390/iot6030047