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-detect.md

spoof-detect (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 combinado de spoofing por RF y por medidas (consistencia RAIM multi-SV + AGC + SQM, fusionados) frente a un ataque parametrizado (ventaja de potencia, alineación de fase de portadora, empuje de tiempo o de posición; al estilo TEXBAT).

Una ejecución de scenarios/spoof-detect.toml se resume así: escenario e046ee4ca90a | spoof-detect | 8 SV, +1,5 dB | Empuje de posición | puntuación fusionada 0,70 (umbral 0,50) | SPOOF DETECTED (fusionada) — capas: RAIM+SQM

Entradas#

Del esquema (kshana kinds --json):

  • Campos obligatorios: attack
  • Campos opcionales: satellites, detector

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

Campo Valor Unidad
attack.carrier_aligned false indicador
attack.el_imbalance 0.12 1
attack.num_biased 3 recuento
attack.power_advantage_db 1.5 dB
attack.push position texto
attack.push_magnitude_m 75 m
detector.agc_margin_db 3 dB
detector.fusion_threshold 0.5 no indicado
detector.raim_p_fa 0.001 no indicado
detector.sat_power_dbm -130 dBm
detector.sigma_m 5 m
detector.sqm_tolerance 0.1 no indicado

Ejecútelo#

kshana scenarios/spoof-detect.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
attack.carrier_aligned false indicador
attack.el_imbalance 0.12 1
attack.num_biased 3 recuento
attack.power_advantage_db 1.5 dB
attack.push position texto
attack.push_magnitude_m 75 m
decision.agc_excess_db 1.5 dB
decision.fused.alert true indicador
decision.fused.layers.agc false indicador
decision.fused.layers.raim true indicador
El gráfico que el motor genera para scenarios/spoof-detect.toml, tipo de escenario spoof-detect

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.

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
  • PARTNER No se proporciona — Kshana modela las prestaciones de la señal, no el hardware de carga útil ni de antenas. Referencia independiente (NoneKind): ninguna: una disciplina propiedad del socio, sin módulo ni prueba por diseño

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#