使用 5G 无线网络数据分析机器学习回归模型对对抗攻击的脆弱性
密码学与安全
2025-05-02 v1 人工智能
摘要
本文描述了使用 DeepMIMO 模拟器创建脚本并对数据集进行分析研究的过程。使用 FGSM 方法进行对抗攻击以最大化梯度。比较了二分类器在检测扭曲数据任务中的有效性。分析了在无对抗攻击、对抗攻击期间以及扭曲数据被隔离的情况下，回归模型质量指标的变化动态。结果表明，最大化梯度的 FGSM 对抗攻击导致 MSE 指标值平均增加 33%，R2 指标平均下降 10%。LightGBM 二分类器以 98% 的准确率有效识别出具有对抗异常的数据。机器学习回归模型容易受到对抗攻击，但对网络流量和网络传输数据的快速分析使得识别恶意活动成为可能。
引用
@article{arxiv.2505.00487,
title = {Analysis of the vulnerability of machine learning regression models to adversarial attacks using data from 5G wireless networks},
author = {Leonid Legashev and Artur Zhigalov and Denis Parfenov},
journal= {arXiv preprint arXiv:2505.00487},
year = {2025}
}