一种基于 GAN 的智能家居环境推理攻击缓解方法
机器学习
2020-11-16 v1 密码学与安全
网络与互联网体系结构
摘要
智能、联网、常听设备的激增给智能家居环境中的用户带来了显著的隐私风险。除了明显的窃听风险外，入侵者可采用机器学习技术从这些设备的录音中推断敏感信息，从而给智能家居用户带来新维度的隐私担忧与攻击变量。声音掩蔽与麦克风干扰等技术已有效用于防止窃听者监听私人对话。在本研究中，我们探讨攻击者借助机器学习技术监视智能家居用户以推断敏感信息的问题。随后，我们分析了随机性在声音掩蔽缓解敏感信息泄露有效性中的作用。我们提出了一种基于生成对抗网络（GAN）的智能家居隐私保护方法，其生成随机噪声以扭曲不想要的基于机器学习的推断。实验结果表明，GAN 可用于生成更有效的声音掩蔽噪声信号，这些信号表现出更强的随机性，并能在保留音频样本语义的同时有效缓解基于深度学习的推理攻击。
引用
@article{arxiv.2011.06725,
title = {A GAN-based Approach for Mitigating Inference Attacks in Smart Home Environment},
author = {Olakunle Ibitoye and Ashraf Matrawy and M. Omair Shafiq},
journal= {arXiv preprint arXiv:2011.06725},
year = {2020}
}