RFID系统安全检测关键技术研究

来源 :电子科技大学 | 被引量 : 1次 | 上传用户:FJHGL
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,物联网RFID技术飞速发展,越来越多的RFID应用需要一个能够全面评价RFID系统的安全检测体系作为保障和支撑。然而由于RFID在原始设计上的开放性及各种协议标准不统一的现实状况,目前如何有效地对RFID系统安全进行有效检测仍然是一个开放式课题。传统的RFID安全研究大多集中的安全协议改进及加密算法等防御领域,只有少量的学者关注从攻击领域来对RFID系统攻击检测或者安全防御中间件工作。为了保障RFID系统的安全性,必须研究RFID安全检测关键技术,建立一个RFID检测服务平台。本文借鉴传统网络中的攻击图建模的思想开展对RFID系统安全漏洞攻击检测以及安全等级评估的研究,针对EPC C1G2(EPC Class-1 Generation-2)标准协议设计并开发实现了一套RFID安全检测工具,满足了人们对于RFID安全等级检测的需求。本文从攻击者角度研究RFID安全检测建模问题,主要研究内容包括:(1)提出基于层次分析法的RFID安全漏洞定级策略。重点研究准则层定级指标,构造等级划分层次模型,计算安全漏洞等级划分表,确定定级步骤等。依据该策略得出RFID安全漏洞等级划分表,基于该表可实现对RFID系统漏洞攻击测试方式的安全定级需求。(2)提出基于攻击图模型的RFID安全检测方案。重点研究将攻击测试方式的分类,权限提升模式的制定,攻击图模型的设计,攻击规则的制定等,并提出一种基于权限提升的攻击图生成算法。最后对标准协议和非标准协议分别进行攻击建模分析,讨论验证本文设计的RFID攻击图模型的可行性。(3)设计和实现RFID安全检测工具。工具实现标准协议的模拟仿真通信过程,四类攻击检测方式的攻击检测过程,攻击图节点和边的动态生成,安全等级报告等功能。最后在仿真条件下进行RFID安全检测实验,有效地对攻击图模型和安全等级定级策略进行了测试和验证,进一步体现了RFID安全检测工具的实用价值。本文建立的RFID安全攻击检测模型是具备一定扩展性的,基于该模型可进行方便有效地对攻击手段扩展和升级,从而可以进一步丰富和扩展攻击测试方式。
其他文献
直复营销即一种可以得到客户直接回应的营销模式。作为企业的一项长期性经营活动,直复营销贯穿于企业发展的整个过程,因此,通常将长期收益作为评价营销效果的指标。近年来,随着智能化的快速发展,越来越多的企业希望借助机器学习的力量进行营销决策,但是传统的监督学习和非监督学习方法在处理该问题时只能最大化单个决策的即时收益,而直复营销需要随时间的推移进行连续决策,因而这两类方法具有很大的局限性。强化学习是机器学
面向失衡数据集的分类问题是数据挖掘与机器学习领域中最具有挑战性的热点研究问题之一。近年来,随着计算机技术的发展和信息化的进步,越来越多的决策需要数据的支持。在大数据
计算机技术的快速发展,信息资源的大量共享以及网络资源的限制,在多媒体服务和数字通信等应用领域,图像压缩/编码成了信息通信传输至关重要的技术。分形图像压缩编码以其新颖
NFC是近年来兴起的高频短距离通信技术,它的发展已经蔓延到我们生活中的各个领域,NFC技术以其高安全性,高可靠性以及比起蓝牙,红外等通信技术来说的适用范围广的优点迅速获得
多核处理器任务调度主要研究如何通过一定的调度算法将任务分配到多个并行的计算内核上执行,使任务完成总时间得以缩短。这一问题早已被证明是NP完全的问题。各国学者们针对该
车辆信息平台的智能化发展,使传统孤立的车载信息系统逐渐向支持远程控制、车联网的车载终端方向过渡。车辆信息平台的智能化体现在它能够与智能手机、云计算平台等相互连通,将
虚拟桌面架构是虚拟桌面技术中使用的基础框架中的一种,允许用户通过终端登录到指定的系统中,将系统运行的结果通过网络传递到客户端进行显示,同时将用户在客户端的鼠标、键盘操
人类的虹膜具有唯一性、稳定性、非侵入性等特点,虹膜识别技术是众多生物特征识别技术中识别率最高的方法之一。随着虹膜识别技术的快速发展,目前研究重点主要关注非理想条件下
近年来,随着数字化技术的飞速发展,大量印刷蒙古文文献资源(图书、期刊、杂志等)可以通过采用当下广泛流行的技术——光学字符识别(Optical Character Recognition,OCR),将其转换为相应的电子文档,但在转换过程中会遇到以下两方面问题。第一,现有的印刷蒙古文OCR系统采用基于字元切分的方法对蒙古文单词进行识别,但某些字体下的蒙古文单词很难被准确切分成字元,导致单词无法识别。此
学位
路径规划研究是机器人技术的重要组成部分,是移动机器人实现自主移动的关键所在。蚁群算法,顾名思义即是模拟蚂蚁族群行为的算法。蚁群算法的诞生最早是由来自意大利的学者M.Do