基于AP指纹的RAP检测方法

doi:10.11959/j.issn.2096-109x.2018023

网络与信息安全学报 ›› 2018, Vol. 4 ›› Issue (5): 55-61.doi: 10.11959/j.issn.2096-109x.2018023

基于AP指纹的RAP检测方法

李晴,叶阿勇,姚志强,陈爱民

福建师范大学数学与信息学院，福建福州 350007

修回日期:2018-02-27 出版日期:2018-05-01 发布日期:2018-08-04
作者简介:李晴（1992-），女，福建莆田人，福建师范大学硕士生，主要研究方向为网络与信息安全。|叶阿勇（1977-），男，福建漳州人，福建师范大学教授，主要研究方向为无线网络技术、隐私与安全、信息服务。|姚志强（1967-），男，福建莆田人，福建师范大学教授，主要研究方向为软件服务工程方法、多媒体信息网络与安全。|陈爱民（1965-），男，福建莆田人，福建师范大学副教授，主要研究方向为数据库与图像处理及其应用。
基金资助:
国家自然科学基金资助项目(61771140);福建省自然科学基金资助项目(2018J01780);福建省高校自然基金青年重点资助项目(JZ160430)

RAP detection method based on AP fingerprint

Qing LI,Ayong YE,Zhiqiang YAO,Aimin CHEN

College of Mathematics and Informatics,Fujian Normal University,Fuzhou 350007,China

Revised:2018-02-27 Online:2018-05-01 Published:2018-08-04
Supported by:
The National Natural Science Foundation of China(61771140);The Natural Science Foundation of Fujian Province(2018J01780);The Key Natural Science Foundation of Fujian Educational Bureau for Young Scholars(JZ160430)

摘要/Abstract

摘要：

无线接入点（AP,access point）是基础设施模式中不可或缺的一部分，而流氓AP（RAP,rogue AP）普遍存在的攻击在很大程度上泄露了用户隐私，如用户的位置信息、上网行为和社交关系等。提出一种基于指纹的RAP检测算法，利用Beacon帧参数的不可伪造性和稳定性判断AP的合法性，并通过方案对比和实验分析进一步验证了方法的可行性和有效性。

关键词: 无线局域网, 隐私泄露, RAP检测, 指纹检测, Beacon帧

Abstract:

The access point (AP) is an integral part of the infrastructure mode in wireless network.While the attacks caused by rogue AP (RAP) divulge a lot of users' privates in a large extent,such as the user's location information,surfing behavior on the Internet and social relations.A RAP detection algorithm based on AP fingerprint was proposed.The validity of AP was judged by the unforgeability and stability of the parameters of beacon frames.And the feasibility and effectiveness of the proposed method were further verified by scheme comparisons and experimental analysis.

Key words: WLAN, privacy disclosure, RAP detection, fingerprint-based detection, Beacon frame

中图分类号:

TP393

李晴,叶阿勇,姚志强,陈爱民. 基于AP指纹的RAP检测方法[J]. 网络与信息安全学报, 2018, 4(5): 55-61.

Qing LI,Ayong YE,Zhiqiang YAO,Aimin CHEN. RAP detection method based on AP fingerprint[J]. Chinese Journal of Network and Information Security, 2018, 4(5): 55-61.

图/表 8

图1

图2

图3

表1

表2

图4

表3

表4

参考文献 11

[1]	WANG C , TAI T . Achieving time-based fairness for VoIP applications in IEEE 802.11 WLAN using a cross-layer approach[C]// IEEE International Symposium on Personal Indoor and Mobile Radio Communications. 2010: 1475-1480.
[2]	SANDEEP B V . Rogue access point detection using multi parameter dynamic feature analysis for wireless LAN[D]. Bharati Vidyapeeth University, 2016.
[3]	HAN H , SHENG B , TAN C ,et al. A timing-based scheme for rogue AP detection[J]. IEEE Transactions on Parallel ＆ Distributed Systems, 2011,22(11): 1912-1925.
[4]	ALOTAIBI B , ELLEITHY K . An empirical fingerprint framework to detect rogue access points[C]// Systems,Applications and Technology Conference. 2015: 1-7.
[5]	KIM I , SEO J , SHON T ,et al. A novel approach to detection of mobile rogue access points[J]. Security ＆ Communication Networks, 2015,7(10): 1510-1516.
[6]	DAHIYA M , GILL S . Detection of rogue access point in WLAN using hopfield neural network[J]. International Journal of Electrical＆ Computer Engineering, 2017,7(2): 1060-1070.
[7]	JADHAV S , VANJALE S B , MANE P B . Illegal access point detection using clock skews method in wireless LAN[C]// The International Conference on Computing for Sustainable Global Development. 2014: 724-729.
[8]	ZHENG X , WANG C , CHEN Y ,et al. Accurate rogue access point localization leveraging fine-grained channel information[C]// Communications and Network Security. 2014: 211-219.
[9]	KIM T , PARK H , JUNG H ,et al. Online detection of fake access points using received signal strengths[C]// Vehicular Technology Conference. 2012: 1-5.
[10]	李晴, 叶阿勇, 许力 . 公众环境下无线接入的安全问题研究[J]. 信息网络安全, 2016(4): 69-75.
	LI Q , YE A , XU L . Research on security issues of wireless access in public environment[J]. Netinfo Security, 2016(4): 69-75.
[11]	CHENG N , WANG X , CHENG W ,et al. Characterizing privacy leakage of public WiFi networks for users on travel[C]// IEEE INFOCOM. 2013: 2769-2777.

SSID	number	length
AP₁	1 291	211.70
AP₂	70	144
AP₃	2 026	180
AP₄	2 090	217
AP₅	89	172
AP₆	67	266.66
AP₇	20	198
AP₈	359	65
AP₉	438	70
AP₁₀	37	80

扫描时间/s	帧数量	准确率
60	9 267	0.998 65
50	7 861	0.992 60
40	6 199	0.989 41
30	7 309	0.985 15
20	4 974	0.983 53
10	2 678	0.980 85
5	642	0.981 51

对比项	服务器参与部分	准确率	不足
集中式LAP检测	发布AP指纹	100%（仅检测出属于AP指纹）	更新取决于服务器的AP指纹；服务器AP指纹一错全错
自主式RAP检测	确定算法和参数	98%以上（扫描时间为5 s左右）	检测RAP前需训练学习

方案	检测端	参数	检测RAP类型	其他和不足	准确率
文献[7]	服务器	—	中间人攻击	采用HNN算法，但所需数据集较大	—
文献[8]	服务器	Clock skew	中间人攻击	需预先建立数据库，再进行比较	90%
文献[4]	服务器	BF size	Phishing AP	TSV对检测率影响较大	100%
文献[6]	终端	RTT	“2跳”的	传输速度受网络类型、带宽和拥塞状况影响	100%
文献[10]	终端	RSSI	“2跳”的	信号强度受干扰大	95%
本文	终端	3个	广播/接入AP	实时更新白名单受限服务器	>98%

基于AP指纹的RAP检测方法

RAP detection method based on AP fingerprint

在线阅读

pdf下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 11

相关文章 3

Metrics

推荐阅读 0

[1]	任奎, 孟泉润, 闫守琨, 秦湛. 人工智能模型数据泄露的攻击与防御研究综述[J]. 网络与信息安全学报, 2021, 7(1): 1-10.
[2]	张兴兰,崔遥. 基于群签名的属性加密方案[J]. 网络与信息安全学报, 2019, 5(1): 15-21.
[3]	邢月秀,胡爱群,王永剑,赵然. 多维度iOS隐私泄露评估模型研究[J]. 网络与信息安全学报, 2016, 2(4): 73-79.