Monitoring Bluetooth Low Energy zařízení
Loading...
Date
Authors
Olexa, Matej
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
ORCID
Abstract
Táto práca sa zaoberá pasívnym monitorovaním pripojení Bluetooth Low Energy (BLE) prostredníctvom hardvérových a algoritmických zlepšení. Vyvíjame paralelný monitorovací systém použitím troch mikrokontrolérov ESP32, z ktorých je každý vyhradený pre jeden primárny `advertisement' kanál, ktorý používame na zachytávanie údajov `advertisement' paketov BLE. Potom, riešime problémy so zovšeobecnením existujúcich metód detekcie, implementáciou viacvstupových neurónových sietí (MLP aj 1D CNN), ktoré spracúvajú sekvencie `advertisement' údajov. Potom nasadíme natrénovaný model na našu novovytvorenú sondu, ktorá funguje ako detektor pripojenia v reálnom čase. Pre sondu vytvárame aj grafické rozhranie webovej aplikácie, ktoré umožňuje používateľom vizualizovať zistené spojenia.
This thesis addresses passive monitoring of Bluetooth Low Energy (BLE) connections through hardware and algorithmic improvements. We develop a parallel monitoring system using three ESP32 microcontrollers, each dedicated to a primary advertising channel, which we use to capture a dataset of BLE advertising packets. Then, we solve generalization problems in existing detection methods by implementing multi-input neural networks (both MLPs and 1D CNNs) that process sequences of advertising data. Then, we deploy the trained model onto our newly created probe, which works as real-time connection detector. We also create a web application GUI for the probe, which allows users to visualize the detected connections.
This thesis addresses passive monitoring of Bluetooth Low Energy (BLE) connections through hardware and algorithmic improvements. We develop a parallel monitoring system using three ESP32 microcontrollers, each dedicated to a primary advertising channel, which we use to capture a dataset of BLE advertising packets. Then, we solve generalization problems in existing detection methods by implementing multi-input neural networks (both MLPs and 1D CNNs) that process sequences of advertising data. Then, we deploy the trained model onto our newly created probe, which works as real-time connection detector. We also create a web application GUI for the probe, which allows users to visualize the detected connections.
Description
Keywords
Bluetooth Low Energy (BLE) , pasívne monitorovanie , detekcia pripojenia , analýza advertising paketov , strojové učenie , neurónové siete , Viacvrstvový perceptrón (MLP) , Konvolučná neurónová sieť (CNN) , generalizácia , spracovanie sekvencií , ESP32 , bezpečnosť IoT , detekcia v reálnom čase , hardvérová implementácia , Bluetooth Low Energy (BLE) , passive monitoring , connection detection , advertising analysis , machine learning , neural networks , Multilayer Perceptron (MLP) , Convolutional Neural Network (CNN) , generalization , sequence processing , ESP32 , IoT Security , real-time detection , hardware implementation
Citation
OLEXA, M. Monitoring Bluetooth Low Energy zařízení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2025.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Informační technologie
Comittee
doc. Ing. Petr Matoušek, Ph.D., M.A. (předseda)
Ing. Bohuslav Křena, Ph.D. (člen)
Ing. Jan Pluskal, Ph.D. (člen)
Ing. František Grézl, Ph.D. (člen)
Ing. Jiří Matoušek, Ph.D. (člen)
Date of acceptance
2025-06-19
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A.
Result of defence
práce byla úspěšně obhájena