用于安全调制分类的对抗滤波
信号处理
2020-08-18 v1 机器学习
摘要
调制分类（MC）是指对无线信号的调制类别进行分类的问题。在无线通信流水线中，MC是对接收信号执行的第一项操作，对可靠解码至关重要。本文考虑安全调制分类问题，其中发送方（Alice）希望在合法接收方（Bob）处最大化MC精度，同时在窃听者（Eve）处最小化MC精度。本工作的贡献是设计用于安全MC的新型对抗学习技术。具体地，我们提出基于对抗滤波的安全MC算法，其中Alice使用精心设计的对抗滤波器来掩蔽发送信号，可在Bob处最大化MC精度同时在Eve处最小化MC精度。我们提出两种基于滤波的算法，即梯度上升滤波器（GAF）和快速梯度滤波方法（FGFM），具有不同复杂度的水平。我们提出的基于对抗滤波的方法显著优于加性对抗扰动（传统ML社区及先前安全MC工作中所用）并具若干其他理想特性。特别地，GAF和FGFM算法是 a) 计算高效（允许Bob快速解码）；b) 功率高效（不需要Alice过大发射功率）；以及 c) SNR高效（即在Bob低SNR值下也表现良好）。
引用
@article{arxiv.2008.06785,
title = {Adversarial Filters for Secure Modulation Classification},
author = {Alex Berian and Kory Staab and Noel Teku and Gregory Ditzler and Tamal Bose and Ravi Tandon},
journal= {arXiv preprint arXiv:2008.06785},
year = {2020}
}
备注
This is a placeholder to show that we are the first to do something like this. We intend to submit this work to a journal