针对自组织蜂窝网络的对抗性机器学习攻击
密码学与安全
2019-09-27 v1 网络与互联网体系结构
摘要
深度神经网络（DNN）已被广泛采用用于自组织网络（SON）中以自动化不同的网络任务。最近研究表明，DNN 缺乏对对抗样本的鲁棒性，攻击者可通过向原始样本引入微小且难以察觉的扰动来欺骗 DNN 模型使其错误分类。SON 预期将用于多个基本蜂窝任务，且文献中已提出许多执行 SON 任务的基于 DNN 的方案，这些方案尚未针对对抗样本进行测试。本文中，我们测试并解释了 SON 针对对抗样本的鲁棒性，并研究了一个重要 SON 用例在对抗攻击下的性能。我们还利用可解释人工智能（AI）技术生成了错误分类的解释。
引用
@article{arxiv.1909.12161,
title = {Adversarial ML Attack on Self Organizing Cellular Networks},
author = {Salah-ud-din Farooq and Muhammad Usama and Junaid Qadir and Muhammad Ali Imran},
journal= {arXiv preprint arXiv:1909.12161},
year = {2019}
}