在语义通信中利用语义对抗样本增强物理层黑盒攻击
信号处理
2023-03-31 v2
摘要
端到端语义通信(ESC)系统通过仅传输输入的语义而非原始比特来提高通信效率。尽管前景广阔,但由于无线信道的开放性和神经模型的敏感性,ESC已被证明易受精心构造的物理层对抗扰动的影响。以往工作更多关注物理层白盒攻击,而更具现实挑战性、在实际场景中更为实用的黑盒攻击仍很大程度上未被充分探索。为此,我们提出SemBLK,一种新颖的方法,能够在黑盒设定下为ESC系统学习生成具有破坏性的物理层语义攻击,且这些对抗样本对人类不可感知。具体而言,1)我们首先引入一个替代语义编码器,并通过向现有ESC系统发起有限次查询来训练其参数。2)借助该替代编码器,我们进而提出一种新颖的语义扰动生成方法,学习利用语义对抗样本增强物理层攻击。在两个公开数据集上的实验表明了我们所提SemBLK在黑盒设定下攻击ESC系统的有效性。最后,我们通过案例研究从视觉上验证了我们的物理层语义扰动的优越性。
引用
@article{arxiv.2303.16523,
title = {Boosting Physical Layer Black-Box Attacks with Semantic Adversaries in Semantic Communications},
author = {Zeju Li and Xinghan Liu and Guoshun Nan and Jinfei Zhou and Xinchen Lyu and Qimei Cui and Xiaofeng Tao},
journal= {arXiv preprint arXiv:2303.16523},
year = {2023}
}
备注
accepted by ICC2023