针对基于深度学习的无线信号分类器的信道感知对抗攻击
信号处理
2021-12-22 v3 机器学习
网络与互联网体系结构
机器学习
摘要
本文提出针对基于深度学习的无线信号分类器的信道感知对抗攻击。存在一个以不同调制类型发射信号的发射机。每个接收机使用深度神经网络将其空中接收信号分类为调制类型。同时， adversary 发射对抗扰动（受功率预算约束）以欺骗接收机，使其将作为发射信号与对抗扰动叠加接收的信号分类错误。首先，表明在设计对抗扰动时不考虑信道时这些规避攻击会失败。然后，通过考虑从 adversary 到每个接收机的信道效应，给出实际攻击。在表明信道感知攻击具有选择性（即仅影响扰动设计中考虑其信道的接收机）后，提出通过构造公共对抗扰动同时欺骗不同接收机处分类器的广播对抗攻击。通过考虑关于信道、发射机输入和分类器模型的不同可用信息水平，展示了调制分类器对空中对抗攻击的主要脆弱性。最后，引入一种基于随机平滑（以噪声增广训练数据）的认证防御，使调制分类器对对抗扰动鲁棒。
引用
@article{arxiv.2005.05321,
title = {Channel-Aware Adversarial Attacks Against Deep Learning-Based Wireless Signal Classifiers},
author = {Brian Kim and Yalin E. Sagduyu and Kemal Davaslioglu and Tugba Erpek and Sennur Ulukus},
journal= {arXiv preprint arXiv:2005.05321},
year = {2021}
}
备注
Submitted for publication. arXiv admin note: substantial text overlap with arXiv:2002.02400