评估对抗重放与深度学习驱动攻击对基于特定辐射源识别的安全方法的影响
信号处理
2023-08-08 v1
摘要
特定辐射源识别（SEI）通过利用发射机传输信号中独特、固有且非故意的特征来进行检测、表征与识别。自其提出以来，已有大量相关工作；然而，多数研究假定发射机是被动的，且其用于识别的信号特征不可变且难以模仿，即暗示发射机不愿也无力开发并实施有效的SEI对抗措施。但已有研究表明，深度学习（DL）能够直接从原始同相与正交信号样本中学习辐射源特有特征，而软件定义无线电（SDRs）可对其操控。基于这些能力，发射机能否轻易有效模仿他者SEI特征或操纵自身特征以阻碍或击败SEI，实属合理质疑。本工作考虑使用三种信号特征模仿对抗措施的SEI模仿，涉及现成DL、两台不同尺寸、重量、功耗与成本（SWaP-C）的SDR、手工与基于DL的SEI流程，以及咖啡店部署。结果显示现成DL算法与SDR可实现SEI模仿；但对手成功受限于：使用诱饵发射机前导、使用去噪自编码器，以及SDR的SWaP-C约束。
引用
@article{arxiv.2308.03579,
title = {Assessing Adversarial Replay and Deep Learning-Driven Attacks on Specific Emitter Identification-based Security Approaches},
author = {Joshua H. Tyler and Mohamed K. M. Fadul and Matthew R. Hilling and Donald R. Reising and T. Daniel Loveless},
journal= {arXiv preprint arXiv:2308.03579},
year = {2023}
}