基于深度学习的 LoRa 设备识别与 rogue 信号检测的对抗攻击
密码学与安全
2023-12-29 v1 人工智能
机器学习
网络与互联网体系结构
信号处理
摘要
低功耗广域网 (LPWAN) 技术（如 LoRa）因其能够为物联网 (IoT) 应用实现长距离、低功耗通信而受到广泛关注。然而，LoRa 网络的安全性仍然是一个主要问题，特别是在设备识别以及对合法信号和欺骗信号进行分类至关重要的场景中。本文研究了一种深度学习框架以应对这些挑战，考虑了 LoRa 设备识别以及合法与 rogue LoRa 设备分类任务。针对每项任务，利用真实的 LoRa 信号实验 I/Q 数据训练深度神经网络 (DNN)，无论是卷积神经网络 (CNN) 还是前馈神经网络 (FNN)，而 rogue 信号则是利用 rogue 设备接收信号的核密度估计 (KDE) 生成的。针对使用深度学习模型的 LoRa 信号分类任务，考虑了基于快速梯度符号法 (FGSM) 的对抗攻击。通过使用针对这些信号分类任务的单独或共同扰动，评估了这些攻击对两项任务（即设备识别和合法与 rogue 设备分类）性能的影响。本文展示的结果量化了对抗攻击在不同 LoRa 信号分类任务上的可迁移性水平，将其视为主要漏洞，并强调了使 IoT 应用对对抗攻击具有鲁棒性的必要性。
引用
@article{arxiv.2312.16715,
title = {Adversarial Attacks on LoRa Device Identification and Rogue Signal Detection with Deep Learning},
author = {Yalin E. Sagduyu and Tugba Erpek},
journal= {arXiv preprint arXiv:2312.16715},
year = {2023}
}