Attack Scenarios and Security Analysis of a Blockchain and PUF-Based Lightweight Authentication Protocol for Wireless Medical Sensor Networks
Notice bibliographique
Résumé
In Wireless Medical Sensor Networks (WMSNs) wearable or implantable sensors are used to collect vital body parameters, allowing remote monitoring and advanced predictive and preventive healthcare. This involves transmitting patients’ physiological data, which are sensitive and should be confidential, over the network. Thus, ensuring the security and privacy of these data is one of the most important prerequisites for the successful development of healthcare systems based on WMSN. In this regard, reliable authentication protocols designed for this specific scenario are needed. In this paper, we propose the most efficient attacks to date on the widely referenced lightweight authentication protocols for WMSNs - Wang et al.’s protocol (IEEE Internet of Things Journal, 9(11), 2022, doi: 10.1109/JIOT.2021.3117762). This protocol relies on blockchain and smart contracts to address the issue of centralization, and on Physically Unclonable Functions (PUFs) to ensure advanced physical layer security. Our attacks exploit the protocol’s vulnerabilities that stem from an inadequate use of the underlying blockchain component, unlike the previous attacks which require challenging conditions to meet, i.e. physical access to users’ mobile devices and specialized power analysis techniques. We introduce new attack scenarios and prove that Wang et al.’s protocol is vulnerable to impersonation, tracing, message replay and session key disclosure. We validate these vulnerabilities using the ProVerif tool, thereby confirming the feasibility of the attack scenarios and refuting Wang et al.’s claims regarding the protocol’s security properties. In addition, we identify and discuss other design weaknesses in Wang et al.’s proposal that further undermine its overall security and practical applicability. Finally, we revisit the feasibility of previously published attacks on Wang et al.’s protocol.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».