针对调制分类的黑盒对抗机器学习攻击
网络与互联网体系结构
2019-08-05 v1 密码学与安全
机器学习
摘要
近来，文献中提出了许多基于深度神经网络（DNN）的调制分类方案。我们评估了两种著名的此类调制分类器（基于卷积神经网络与长短期记忆技术）在黑盒设定下对抗对抗机器学习攻击的鲁棒性。我们使用 Carlini \& Wagner (C-W) 攻击来实施对抗攻击。据我们所知，这些调制分类器的鲁棒性此前尚未通过 C-W 攻击进行评估。我们的结果清楚地表明，最先进的基于深度机器学习的调制分类器对对抗攻击并不鲁棒。
引用
@article{arxiv.1908.00635,
title = {Black-box Adversarial ML Attack on Modulation Classification},
author = {Muhammad Usama and Junaid Qadir and Ala Al-Fuqaha},
journal= {arXiv preprint arXiv:1908.00635},
year = {2019}
}