针对调制分类中对抗攻击的混合训练时防御与运行时防御
人工智能
2024-07-10 v1
摘要
受深度学习在计算机视觉和自然语言处理等众多应用中卓越性能的推动,近期研究聚焦于应用深度神经网络构建无线网络的下一代技术.然而,近期研究指出,不可察觉且精心设计的对抗样本(攻击)会显著降低分类准确率.本文探讨了一种基于训练时防御和运行时防御技术的防御机制,用于保护基于机器学习的无线电信号(调制)分类免受对抗攻击.训练时防御包括对抗训练和标签平滑,而运行时防御则采用基于支持向量机的神经拒绝(NR)技术.在白盒场景并运用于真实数据集时,我们展示了所提出技术优于现有最先进技术.
引用
@article{arxiv.2407.06807,
title = {A Hybrid Training-time and Run-time Defense Against Adversarial Attacks in Modulation Classification},
author = {Lu Zhang and Sangarapillai Lambotharan and Gan Zheng and Guisheng Liao and Ambra Demontis and Fabio Roli},
journal= {arXiv preprint arXiv:2407.06807},
year = {2024}
}
备注
Published in IEEE Wireless Communications Letters, vol. 11, no. 6, pp. 1161-1165, June 2022