针对配水网络中泄漏检测器的对抗攻击
密码学与安全
2023-06-13 v1 机器学习
摘要
许多机器学习模型易受对抗攻击：存在向输入添加微小（难以察觉）扰动以使模型给出错误预测的方法。尤其对于用于安全关键领域（如配水网络监测）的模型，更好地理解此类攻击对于设计增强模型鲁棒性与可信度的对策至关重要。我们提出了一种针对基于机器学习的配水网络泄漏检测器的对抗攻击分类法。在此基础上，我们聚焦于一种特定攻击类型：攻击者搜索最不敏感点，即水网络中可能发生的最大未被检测到的泄漏的位置。基于最不敏感点问题的数学形式化，我们使用三种不同算法途径来寻找解。结果在两个基准配水网络上进行了评估。
引用
@article{arxiv.2306.06107,
title = {Adversarial Attacks on Leakage Detectors in Water Distribution Networks},
author = {Paul Stahlhofen and André Artelt and Luca Hermes and Barbara Hammer},
journal= {arXiv preprint arXiv:2306.06107},
year = {2023}
}
备注
This paper was accepted for the 17th International Work-Conference on Artificial Neural Networks (IWANN 2023). A link to the version of record will be provided upon publication of the conference proceedings