동일한 물리적 라우터에서 WiFi 스캔에서 BSSIDS 찾기

다중 BSSID 디코딩 : 하나의 액세스 포인트에 연결할 수 있습니까?

바쁜 아파트 단지에서 WiFi 네트워크를 스캔하고 장치가 수십 개의 신호를 감지한다고 상상해보십시오. ∎ 이러한 네트워크 중 일부는 동일한 SSID를 공유하지만 다른 주파수에서 작동하므로 동일한 물리적 라우터에 속하는 것을 결정하기가 어렵습니다. 이 상황은 여러 네트워크 이름에서 2.4GHz 및 5GHz 신호를 모두 방송하는 듀얼 대역 라우터에서 일반적입니다.

이상적인 세상에서는 동일한 액세스 포인트에서 유래 한 그룹 BSSID에 대한 표준 방법이있을 것입니다. 일부 제조업체는 MAC 주소를 할당 할 때 예측 가능한 패턴을 따르지만 보편적 인 협약은 없습니다. 일관된 식별자가 없다는 것은 개발자가 종종 통계 분석 또는 신호 강도 클러스터링에 의지하여 교육을받은 추측을하는 것을 의미합니다.

예를 들어, "홈"및 "home_guest"네트워크를 방송하는 홈 라우터 방송을 고려하십시오. 두 네트워크가 2.4GHz 및 5GHz에 존재하면 스캔에 4 개의 별개의 BSSID가 나타납니다. 내장 된 방법을 연결하는 방법이 없으면 장치는 동일한 라우터에서 유래하더라도 각각 별도의 것으로 취급합니다. 🤔

이 기사에서는 WiFi 표준 자체가 동일한 물리적 액세스 포인트에서 어떤 BSSID가 있는지 식별하는 방법을 제공하는지 여부를 탐색합니다. 우리는 기술적 세부 사항, 가능한 솔루션 및 그러한 그룹화가 다른 운영 체제에서 개념적으로 실현 가능한지 여부를 조사 할 것입니다.

동일한 물리적 라우터에서 BSSID를 식별하는 방법

동일한 물리적 라우터에 속하는 다중 BSSID를 그룹화하는 것은 Wi -Fi 네트워크가 다른 주파수 및 SSID로 방송되기 때문에 과제입니다. 스크립트에서는 다른 프로그래밍 기술을 사용하여 BSSID를 분석하고 분류했습니다. Mac 주소 접두사. Python 스크립트에서 SCAPY 라이브러리는 WiFi 네트워크를 스캔하고 BSSID 정보를 검색 한 다음 제조업체 Prefix로 그룹화하도록 활용되었습니다. 이를 통해 우리는 동일한 장치에서 어떤 BSSID가 발생하는지에 대해 교육받은 추측을 할 수 있습니다. Android 측면에서 Wifimanager API를 사용하여 BSSID 목록을 추출하여 MAC 주소의 첫 8자를 기반으로 네트워크를 그룹화했습니다. 이 방법은 제조업체 별 규칙에 의존하지 않고 네트워크를 분류하는 신뢰할 수있는 방법을 제공합니다. 📡

스크립트의 주요 아이디어는 대부분의 라우터가 다른 채널에서 브로드 캐스트 할 때 유사한 접두사로 여러 BSSID를 생성한다는 것입니다. 예를 들어, 2.4GHz 및 5GHz의 "홈"및 "home_guest"듀얼 밴드 라우터 방송에는 "AA : BB : CC : 11 : 22 : 33"및 "AA : BB : CC : 11과 같은 BSSID가있을 수 있습니다. 22:44 ". 당사의 코드는 각 MAC 주소의 첫 번째 부분을 추출하고 분석하여 일치 할 가능성이 높은 일치를 결정합니다. Python에서는 키가 접두사 인 사전을 만듭니다. 동일한 접두사를 공유하는 모든 BSSID가 함께 그룹화되도록합니다. Java에서는 동일한 분류를 달성하기 위해 해시 맵을 사용합니다. 이 방법은 대부분의 경우 잘 작동하지만 일부 고급 라우터는 BSSID 할당을 무작위로 만들어 MAC 접두사에만 의존하기가 더 어렵습니다. 🔍

스크립트의 중요한 부분 중 하나는 여러 스캔 결과를 효과적으로 처리하는 것입니다. Wi -Fi 네트워크가 지속적으로 변화하기 때문에 반복 스캔은 약간 다른 결과를 얻을 수 있습니다. 정확도를 향상시키기 위해 비교와 같은 추가 필터링 기술 신호 강도 사용할 수 있습니다. 두 개의 BSSID가 유사한 접두사를 가지고 주어진 위치에서 동일한 신호 강도로 감지되면 동일한 액세스 포인트에 속할 수 있습니다. Android에서 Wifimanager API를 사용하면 실시간 스캔 결과를 검색 할 수 있으며, 이는 목록 및 해시 맵을 사용하여 구조화 된 방식으로 처리합니다. 파이썬 기반 시스템에서 SCAPY의 스캐닝 기능을 사용하여 여러 스캔 수집을 자동화하여 분류 알고리즘의 정확도를 높일 수 있습니다.

우리의 접근 방식은 완벽하지는 않지만 데이터 분석 기술을 사용하여 BSSID를 그룹화하기위한 견고한 프레임 워크를 제공합니다. 향후 개선에는 역사적 스캔 데이터를 기반으로 분류를 개선하기위한 머신 러닝 알고리즘이 포함될 수 있습니다. 또한 다가오는 Wi -Fi 7 표준은 BSSID 그룹을보다 간단하게 만들기 위해 새로운 기능을 도입 할 수 있습니다. 현재 우리의 스크립트는 Wi -Fi 환경을보다 효과적으로 분석하고 네트워크 스캔에서 의미있는 통찰력을 추출하려는 개발자에게 실용적인 솔루션을 제공합니다.

import scapy.all as scapy
def scan_wifi():
    networks = scapy.WiFiScanner(iface="wlan0").scan()  # Adjust for your interface
    bssids = {net.BSSID: net for net in networks}
    grouped = group_by_router(bssids)
    return grouped
def group_by_router(bssids):
    router_map = {bssid[:8]: [] for bssid in bssids}
    for bssid, net in bssids.items():
        router_map[bssid[:8]].append(net)
    return router_map
print(scan_wifi())

import android.net.wifi.ScanResult;
import android.net.wifi.WifiManager;
import java.util.HashMap;
public class WifiScanner {
    public HashMap<String, List<ScanResult>> groupBSSIDs(List<ScanResult> scanResults) {
        HashMap<String, List<ScanResult>> grouped = new HashMap<>();
        for (ScanResult result : scanResults) {
            String key = result.BSSID.substring(0, 8);
            grouped.putIfAbsent(key, new ArrayList<>());
            grouped.get(key).add(result);
        }
        return grouped;
    }
}

BSSID 그룹화 및 숨겨진 도전 이해

이전의 탐사는 Mac 접두사를 기반으로 BSSID를 그룹화하는 데 중점을 두었지만 또 다른 중요한 측면은 다음과 같은 역할입니다. 와이파이 로밍. 많은 최신 네트워크, 특히 엔터프라이즈 환경에서 동일한 SSID와 함께 여러 액세스 포인트를 사용하여 원활한 연결을 보장합니다. 이것은 다른 AP가 SSID를 공유하더라도 BSSID는 독특하므로 식별을보다 복잡하게 만듭니다. 이러한 경우 라우터는 802.11k 및 802.11V와 같은 기능을 사용하여 장치가 APS간에 효율적으로 로밍하는 데 도움이됩니다. 그러나 이러한 표준은 백엔드 식별보다는 클라이언트 측 핸드 오버를 위해 설계 되었기 때문에 어떤 BSSID가 동일한 물리적 라우터에 속한 지 명시 적으로 나타내지 않습니다.

MAC 주소 무작위 배정에서 또 다른 도전이 발생합니다. 많은 최신 액세스 포인트와 심지어 클라이언트 장치는 개인 정보 및 보안을 향상시키기 위해 임의의 MAC 주소를 구현합니다. 이는 장치가 동적으로 변화하는 주소를 방송 할 수 있으므로 Mac Prefix로 BSSID를 분류하려는 시도를 방해 할 수 있습니다. 일부 제조업체는 다른 MAC 할당 전략을 사용하여 표준화 된 그룹화 방법을 어렵게 만듭니다. 해결 방법에는 공급 업체 별 태그와 같은 비콘 프레임 특성을 모니터링하는 것이 포함되며, 때로는 BSSID 관계에 대한 추가 단서를 제공합니다.

보다 정확한 분류를 위해 기계 학습 기술을 도입 할 수 있습니다. 시간이 지남에 따라 여러 WiFi 스캔에서 데이터를 수집하고 SSID, 채널 및 신호 강도의 패턴을 분석함으로써 BSSID가 동일한 라우터에 속하는 BSSID를 예측하기 위해 모델을 훈련시킬 수 있습니다. 이것은 여러 개의 겹치는 네트워크가있는 대형 건물과 같은 표준 방법이 실패하는 시나리오에서 특히 유용합니다. 기술이 발전함에 따라 향후 WiFi 표준은 BSSID를 물리적 라우터에 식별하고 연결하는보다 명백한 방법을 통합하여 네트워크 관리 및 보안 분석을 단순화 할 수 있습니다. 📡