dc.contributor.advisor | Yildirim Yayilgan, Sule | |
dc.contributor.advisor | Pourafzal, Alireza | |
dc.contributor.author | Tønnesen, Rolf Martin | |
dc.date.accessioned | 2024-04-20T17:19:30Z | |
dc.date.available | 2024-04-20T17:19:30Z | |
dc.date.issued | 2023 | |
dc.identifier | no.ntnu:inspera:155686277:50154761 | |
dc.identifier.uri | https://hdl.handle.net/11250/3127475 | |
dc.description | Full text not available | |
dc.description.abstract | Dette prosjektet viser gjennom et simulert scenario hvordan personlig informasjon kan lekkes til en utenforstående person med uhederlige hensikter fra helse og aktivitetssensorer. Metoden som brukes i prosjektet er å analysere de fysiske egenskapene til de trådløse signalene som sendes fra en bærbar aktivitets eller helse måler ved hjelp av RFID standarden. Maskinlæring brukes underveis for å hente ut den private informasjonen fra de trådløse signalene. Prosjektet går også igjennom faglitteratur som relateres til aktivitetsmålere og sikkerhet rundt disse. I tillegg diskuteres lekkasje av personlig informasjon for systemer som gjenkjenner menneskelig aktivitet uten bruk av bårne sensorer. | |
dc.description.abstract | This project demonstrates through a simulated scenario that privacy information can be leaked to a malicious outsider from observing the physical layer properties of the wireless signals transmitted from a wearable \acrfull{HAR} device. Machine learning methods are used to extract the privacy information from the wireless signal, using amplitude and phase features. It makes a literature review of \acrshort{HAR} systems and \acrshort{HAR} system security. It also discusses physical layer privacy leak in both wearable and non-wearable systems, as well as possibilities to mitigate this type of leak. | |
dc.language | eng | |
dc.publisher | NTNU | |
dc.title | Do you have any privacy? Human activity privacy leak from wearable devices | |
dc.type | Master thesis | |