针对基于运动传感器的用户识别深度学习系统的对抗攻击
机器学习
2020-11-09 v2 密码学与安全
信号处理
机器学习
摘要
目前，移动设备采用隐式认证机制，即解锁图案、PIN码或基于生物特征的系统如指纹或人脸识别。尽管这些系统易受众所周知的攻击，引入一个显式且无干扰的认证层可极大增强安全性。在本研究中，我们关注基于运动传感器信号的显式认证的深度学习方法。在此场景下，攻击者可能精心构造对抗样本以图获得未授权访问甚至阻止合法用户访问其移动设备。据我们所知，这是首项旨在量化基于运动传感器的用户识别所用机器学习模型上对抗攻击影响的研究。为达成目标，我们研究了多种生成对抗样本的方法。我们提出关于对抗样本的影响与普适性的三个研究问题，并开展相关实验以回答这些问题。我们的经验结果表明，某些对抗样本生成方法特定于被攻击的分类模型，而另一些则趋于通用。因此我们得出结论：基于运动传感器训练用于用户识别任务的深度神经网络在给定对抗输入时会出现高比例的误分类。
引用
@article{arxiv.2009.01109,
title = {Adversarial Attacks on Deep Learning Systems for User Identification based on Motion Sensors},
author = {Cezara Benegui and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2009.01109},
year = {2020}
}
备注
Extended version (12 pages, 1 figure) of our paper (9 pages, 1 figure) accepted at ICONIP 2020