面向 6G 的对抗机器学习安全问题：毫米波波束预测用例

6G 是通信系统的下一代。近年来，机器学习算法已广泛应用于健康、交通和自动驾驶汽车等各个领域。预测算法将用于 6G 问题。随着深度学习技术的快速发展，应用这些算法时考虑安全担忧至关重要。虽然机器学习为 6G 提供了显著优势，但 AI 模型的安全性被忽视。由于其在现实世界中有诸多应用，安全性是算法的重要部分。本文针对所提出的 6G 毫米波（mmWave）波束预测机器学习模型，提出了一种基于对抗学习的对抗攻击缓解方法。针对机器学习模型的对抗攻击的主要思想是通过操纵训练好的深度学习模型，为 6G 毫米波波束预测用例产生错误结果。我们还给出了在快速梯度符号方法攻击下，所提对抗学习缓解方法在 6G 毫米波波束预测应用中的安全性能。防御模型与未防御模型的均方误差非常接近。