Digital content distribution and proprietary research-driven industries face persistent risks from intellectual property theft and unauthorized redistribution. Conventional encryption schemes such as AES, TDES, ECC, and ElGamal provide strong cryptographic guarantees, but they remain fundamentally agnostic to where decryption takes place.In practice, this means that once a decryption key is leaked or intercepted, any adversary can misuse the key to decrypt the protected content from any location. We present a location-dependent cryptosystem in which the decryption key is not transmitted as human- or machine-readable data, but implicitly encoded in precise time-of-flight differences of ultra-wideband (UWB) data transmission packets. The system leverages precise timing hardware and a custom JMTK protocol to map a SHA-256 hashed AES key onto scheduled transmission timestamps. Only receivers located within a predefined spatial region can observe the packet timings that align with the intended "time slot" pattern, enabling them to reconstruct the key and decrypt the secret. Receivers outside the authorized region observe incorrect keys. We implement a complete prototype that encrypts and transmits audio data using our cryptosystem, and only when the receiver is within the authorized data, they are able to decrypt the data. Our evaluation demonstrates that the system (i) removes the need to share decryption passwords electronically or physically, (ii) ensures the decryption key cannot be recovered by the eavesdropper, and (iii) provides a non-trivial spatial tolerance for legitimate users.


翻译:数字内容分发和专有研究驱动型行业持续面临知识产权盗窃和未经授权再分发的风险。传统加密方案如AES、TDES、ECC和ElGamal虽提供强大的密码学保证,但其本质上与解密发生的地点无关。实践中,这意味着一旦解密密钥泄露或被截获,任何攻击者均可从任意位置滥用该密钥解密受保护内容。本文提出一种位置依赖密码系统,其中解密密钥并非以人类或机器可读数据形式传输,而是隐式编码于超宽带(UWB)数据传输数据包的精确飞行时间差中。该系统利用精密定时硬件和定制JMTK协议,将SHA-256哈希化的AES密钥映射至预定传输时间戳。只有位于预定义空间区域内的接收器才能观测到与预期“时隙”模式匹配的数据包时序,从而重建密钥并解密机密信息。区域外的接收器将获得错误密钥。我们实现了完整原型系统,使用该密码系统加密并传输音频数据,仅当接收器位于授权区域内时方可成功解密。评估表明,该系统(i)无需以电子或物理方式共享解密口令,(ii)确保窃听者无法恢复解密密钥,(iii)为合法用户提供显著的空间容错能力。

0
下载
关闭预览

相关内容

AI智能体基础设施
专知会员服务
36+阅读 · 7月12日
【NeurIPS2023】稀疏保留的差分隐私大型嵌入模型训练
专知会员服务
15+阅读 · 2023年11月18日
专知会员服务
12+阅读 · 2021年9月10日
【ICML2021-Tutorial】机器学习隐私,90页ppt
专知会员服务
38+阅读 · 2021年7月27日
被动DNS,一个被忽视的安全利器
运维帮
11+阅读 · 2019年3月8日
LibRec 每周算法:LDA主题模型
LibRec智能推荐
29+阅读 · 2017年12月4日
国家自然科学基金
17+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
VIP会员
相关VIP内容
AI智能体基础设施
专知会员服务
36+阅读 · 7月12日
【NeurIPS2023】稀疏保留的差分隐私大型嵌入模型训练
专知会员服务
15+阅读 · 2023年11月18日
专知会员服务
12+阅读 · 2021年9月10日
【ICML2021-Tutorial】机器学习隐私,90页ppt
专知会员服务
38+阅读 · 2021年7月27日
相关资讯
相关基金
国家自然科学基金
17+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员