Muestra las diferencias entre dos versiones de la página.
| Próxima revisión | Revisión previa |
| ctlibro2:start [2026/08/12 19:17] – creado webmaster | ctlibro2:start [2026/08/12 19:34] (actual) – [Referencias] webmaster |
|---|
| |
| ===== Referencias ===== | ===== Referencias ===== |
| * BFId: Identity Inference Attacks Utilizing Beamforming Feedback Information. Julian Todt, Felix Morsbach, Thorsten Strufe. KASTEL Security Research Labs. <color #22b14c>//La tecnología Beamforming, introducida en WiFi 5, requiere que los clientes transmitan observaciones de las características de su canal. Esto introduce una nueva fuente de información para la detección de redes WiFi, con amenazas a la privacidad que hasta ahora no se habían explorado. Dado que las redes WiFi son omnipresentes en nuestra vida cotidiana, el impacto de las amenazas a la privacidad desconocidas probablemente sea grave. Para investigar esta preocupación, presentamos BFId, el primer ataque de inferencia de identidad que utiliza la detección basada en BFI, y evaluamos su eficacia en un nuevo conjunto de datos que contiene grabaciones WiFi de 197 individuos. Demostramos que podemos inferir la identidad de individuos con una precisión muy alta en diferentes contextos//</color>. | * BFId: Identity Inference Attacks Utilizing Beamforming Feedback Information. Julian Todt, Felix Morsbach, Thorsten Strufe. KASTEL Security Research Labs. <color #22b14c>//La tecnología Beamforming, introducida en WiFi 5, requiere que los clientes transmitan observaciones de las características de su canal. Esto introduce una nueva fuente de información para la detección de redes WiFi, con amenazas a la privacidad que hasta ahora no se habían explorado. Dado que las redes WiFi son omnipresentes en nuestra vida cotidiana, el impacto de las amenazas a la privacidad desconocidas probablemente sea grave. Para investigar esta preocupación, presentamos BFId, <color #ed1c24>el primer ataque de inferencia de identidad que utiliza la detección basada en BFI</color>, y evaluamos su eficacia en un nuevo conjunto de datos que contiene grabaciones WiFi de 197 individuos. Demostramos que <color #ed1c24>podemos inferir la identidad de individuos con una precisión muy alta en diferentes contextos</color>//.</color> |
| | * New RSSI-based Tracking for Following Mobile Targets using the Law of Cosines. Athanasios E. Lagias, Thomas D. Lagkas, Member, IEEE, and Jie Zhang, Senior Member, IEEE. //"<color #22b14c>El monitoreo de grandes cantidades de datos relacionados con personas o cualquier objetivo móvil atrae mucha atención en la actualidad debido al potencial de obtener información valiosa.</color> <color white/red>Es común que se requiera proximidad entre un dispositivo de monitoreo y un objetivo móvil de interés</color><color #22b14c>, por lo que se debe implementar un escenario de cazador-presa. El objetivo de este artículo es proponer una nueva técnica de seguimiento basada en RSSI, fundamentada en la Ley de los Cosenos, que puede aplicarse eficientemente al escenario descrito. El nuevo algoritmo se evalúa mediante una serie de pruebas de simulación y los resultados indican que supera a técnicas comunes como los estimadores de mínimos cuadrados lineales.</color>"// |