[論文レビュー] Picking a Needle in a Haystack: Detecting Drones via Network Traffic Analysis.

Savio Sciancalepore, Omar Adel Ibrahim+2 more|arXiv (Cornell University)|Jan 11, 2019

Network Security and Intrusion Detection参考文献 20被引用数 5

ひとこと要約

PiNcHは、ドローンとそのリモートコントローラー間のネットワークトラフィックを分析することで、飛行中または地上にいるなど、ドローンの運用状態を識別する、受動的で低コストなドローン検出システムである。標準的な分類アルゴリズムを用いて、到着間隔やパケットサイズなどの特徴量を処理することで、専用ハードウェアや信号送信を必要とせずに高い精度を達成する。

ABSTRACT

We propose PiNcH, a methodology to detect the presence of a drone and its current status leveraging just the communication traffic exchanged between the drone and its Remote Controller (RC). PiNcH is built applying standard classification algorithms to the eavesdropped traffic, analyzing features such as packets inter-arrival time and size. PiNcH does not require either any special hardware or to transmit any signal. Indeed, it is fully passive and it resorts to cheap and general purpose hardware. To evaluate the effectiveness of our solution, we collected real communication measurements from the 3DR SOLO drone, being the most popular open-source hardware, running the widespread ArduCopter open-source firmware, mounted on-board on a wide range of commercial amateur drones. Then, we test our solution against different publicly available wireless traces. The results prove that PiNcH can efficiently and effectively: (i) identify the presence of the drone in several heterogeneous scenarios; (ii) identify the current state of a powered-on drone, i.e., flying or lying on the ground; (iii) discriminate the movement of the drone; and, finally, (iv) estimate a lower bound on the time required to identify a drone with the requested level of assurance. The quality and viability of our solution do prove that network traffic analysis can be successfully adopted for drone identification and pave the way for future research in the area.

研究の動機と目的

• ドローンとそのリモートコントローラー間の通信トラフィックのみを用いて、受動的で低コストなドローン検出手法を開発すること。
• 専用ハードウェアを必要とせず、多様な実世界の無線環境においてドローンの存在を同定できること。
• 電源が入っているドローンの運用状態（飛行中か地上にいるかなど）を分類すること。
• ドローンの移動を検出し、特定の信頼度に達するまでの所要時間を推定すること。
• ネットワークトラフィック分析のみでドローン検出が有効に機能することを示し、将来的な受動的ドローン監視研究の基盤を提供すること。

提案手法

• PiNcHは、一般用途のハードウェアを用いて、ドローンとリモートコントローラー間の無線トラフィックを受動的に監視する。
• 収集したトラフィックから、到着間隔やパケットサイズなどのネットワーク特徴量を抽出する。
• これらの特徴量に標準的な機械学習分類器を適用し、ドローンの行動を検出・分類する。
• システムは、ArduCopterファームウェアを搭載した3DR SOLOドローンを用いて収集した実世界のトレースに基づいて訓練および評価される。
• このアプローチは、盗聴された通信にのみ依存しており、アクティブな信号送信やカスタムハードウェアを必要としない。
• 分類結果の信頼度に応じた、検出に要する時間の下限を推定する。

実験結果

リサーチクエスチョン

• RQ1 多様な無線環境において、ネットワークトラフィック分析のみでドローンの存在を検出可能か？
• RQ2 トラフィックパターンに基づいて、電源が入っているドローンが飛行中か地上にいるかを正確に同定できるか？
• RQ3 到着間隔やパケットサイズなどのトラフィック特徴から、ドローンの移動状態の変化（離陸や着陸など）を検出できるか？
• RQ4 この受動的アプローチを用いて、所定の信頼度に達するまでのドローン検出に要する最小時間は何か？
• RQ5 この手法は、公開済みの無線トレースや実世界のシナリオにおいて、どの程度効果的か？

主な発見

• PiNcHは、複数の多様な無線環境において、高い精度でドローンの存在を同定できた。
• ネットワークトラフィック特徴量のみを用いて、飛行中のドローンと地上にいるドローンを正確に区別できた。
• ホバリング状態と飛行状態の間の遷移など、ドローンの移動状態の変化を検出できた。
• 特定の信頼度に達するまでのドローン検出に要する時間の下限を推定でき、実用的な展開計画が可能になった。
• 専用機器や信号送信を一切不要とし、市販のハードウェアでも効果的であることが実証された。
• 受動的ネットワークトラフィック分析が、ドローン検出において実用的で効果的な手法であることが示され、将来的な研究の新たな道筋が開かれた。