Traducción automática, no revisada por un hablante nativo. El inglés es la referencia.

Páginas de tipos de escenarioEditar en GitHubFuente: docs/kinds/by-kind/spoof.md

spoof (tipo de escenario)

Tipo de escenario del motor v0.40.0, familia Jamming, spoofing y el espectro. Orientativo: resultado de análisis de una herramienta de investigación e ingeniería, no un equipo de navegación homologado ni un servicio de seguridad de la vida humana. Toda etiqueta aquí es del motor o de la matriz de verificación; un tipo de escenario es MODELLED salvo que la matriz diga otra cosa (cómo se obtiene una etiqueta: la sección Evidence del README).

Qué hace#

Detector estocástico de spoofing de tiempo (Neyman–Pearson / χ²₁) con P_fa/P_md por Monte Carlo.

Una ejecución de scenarios/spoof-attack.toml se resume así: escenario 2b6bd22c3b80 | spoof LinearRamp { rate_ns_per_s: 0,1 } frente a especificación de 20,000 ns (P_fa 0,010) | seguridad cuántica 1,000 (P_md 0,000, MC 0,000) detectado a 70s | seguridad clásica 0,558 (P_md 0,442, MC 0,444) detectado a 430s

Entradas#

Del esquema (kshana kinds --json):

  • Campos obligatorios: threshold_ns, time, attack, clock_quantum, clock_classical
  • Campos opcionales: ninguno

El ejemplo scenarios/spoof-attack.toml establece, entre otros:

Campo Valor Unidad
attack.rate_ns_per_s 0.1 s
attack.start_s 60 s
clock_classical.id csac-sa45s texto
clock_classical.provenance Microchip SA65 / SA.45s CSAC datasheet sigma_y(1s)=3e-10; q_ texto
clock_classical.q_rw 0 no indicado
clock_classical.q_wf 9.0000e-20 no indicado
clock_classical.y0 5.0000e-10 no indicado
clock_quantum.id optical-sr-lattice texto
clock_quantum.provenance Reloj óptico de red de estroncio, objetivo orientado al espacio sigma_y texto
clock_quantum.q_rw 0 no indicado
clock_quantum.q_wf 1.0000e-30 no indicado
clock_quantum.y0 5.0000e-17 no indicado

Ejecútelo#

kshana scenarios/spoof-attack.toml

2 escenarios incluidos usan este tipo de escenario; los demás están en scenarios/.

Qué proporciona#

Los resultados escalares de esa ejecución, con las unidades que indica el motor:

Resultado Valor Unidad
classical.breaches_spec_undetected true indicador
classical.detect_time_s 430 s
classical.detection.analytic_pmd 0.442031 1
classical.detection.boundary_ns 18.928432 ns
classical.detection.eval_offset_ns 20 ns
classical.detection.mc_pfa 0.0088 1
classical.detection.mc_pmd 0.4439 1
classical.detection.mc_runs 10000 recuento
classical.detection.monitor_sigma_ns 7.348481 ns
classical.detection.target_pfa 0.01 1
El gráfico que el motor genera para scenarios/spoof-attack.toml, tipo de escenario spoof

Evidencias#

MODELLED: las filas de la matriz de verificación que nombran este tipo de escenario.

  • MODELLED χ² asistido por reloj, RAIM, AGC y SQM fusionados en una cifra de mérito de seguridad por época Pruebas: spoof_texbat_validation.rs.
  • MODELLED La sección [spoofer] del tipo de escenario leo-pass: un spoofer falsifica, de forma autoconsistente en distancia y en tasa de distancia, las señales vistas en una posición declarada que salta y, o, es desplazada de la verdadera tras un inicio (por banda LEO y para la MEO Pruebas: leo_resilience_verticals.rs.
  • MODELLED Para cada satélite LEO y cada par de bandas de medida de distancia, la sección [spoofer] forma la combinación de pseudodistancia libre de geometría, elimina el modelo ionosférico del receptor y contrasta su escalón entre épocas con el ruido de código de las dos bandas y un Pruebas: leo_resilience_verticals.rs.

Las filas que la propia ejecución puso a prueba, con la referencia independiente que da la matriz a cada una (las fuentes públicas se nombran allí):

  • MODELLED Chi-cuadrado asistido por reloj, RAIM, AGC, FoM de seguridad por época fusionada con SQM. Referencia independiente (ExternalDataset): parámetros de escenario de TEXBAT (Humphreys 2012) — caracterización, no vectores fijados. 0,30 comparación externa, un hallazgo (sigue siendo MODELLED): en JammerTest 2024 (Bleik; datos GPL-3.0) los monitores de nivel de observable (chi-cuadrado asistido por reloj, RAIM, fallo de solución) no dieron ninguna alarma dentro de 10 s de ninguno de los 8 inicios de suplantación publicados evaluables (donde la ventana previa al inicio estaba limpia, la primera alarma llegó entre 10,2 y 39 s después del pu
  • MODELLED Determinista, con hash de escenario, SBOM + barreras golden multiplataforma. Referencia independiente (ExternalDataset): ajuste a la norma del SBOM al esquema JSON oficial de CycloneDX 1,5 (+ identificadores SPDX válidos) — un estándar externo publicado, cero errores de validación en todo el grafo de dependencias; la parte de determinismo de FoM / reproducibilidad byte a byte sigue siendo una comprobación de autoconsistencia fijada, por lo que la fila sigue siendo MODELLED

Limitaciones#

Lo que el propio informe de la ejecución dice que no está modelado o no está validado:

  • La detección de spoofing es MODELLED, no está validada: una subafirmación se comprueba externamente, pero la capacidad completa compone piezas modeladas, por lo que la capacidad sigue siendo modelada. (matriz de verificación (docs/MODELLED-RATIONALE.md))
  • La reproducibilidad y el aseguramiento del software son MODELLED, no están validados: una subafirmación se comprueba externamente, pero la capacidad completa compone piezas modeladas, por lo que la capacidad sigue siendo modelada. (matriz de verificación (docs/MODELLED-RATIONALE.md))

Véase también#