信道效应对无线信号分类器对抗攻击代理模型的影响
信号处理
2021-03-10 v2 机器学习
网络与互联网体系结构
机器学习
摘要
我们考虑一个由背景发射机、发射机和敌手组成的无线通信系统。发射机配备有一个深度神经网络(DNN)分类器,用于检测背景发射机正在进行的传输,并在频谱空闲时发送信号。同时,敌手通过观测频谱训练自己的 DNN 分类器作为代理模型,以检测背景发射机正在进行的传输并生成对抗攻击,诱使发射机将信道误分类为空闲。该代理模型可能与发射机的分类器显著不同,因为敌手与发射机经历来自背景发射机的不同信道,因此它们的分类器是用不同输入分布训练的。该系统模型可代表如下场景:背景发射机为主用户,发射机为次用户,敌手试图在信道被主用户占用时诱骗次用户进行传输。我们考虑不同的拓扑结构,以研究敌手训练的不同的代理模型(取决于敌手经历的信道效应差异)如何影响对抗攻击的性能。仿真结果表明,用不同信道诱导输入分布训练的代理模型严重限制了攻击性能,并表明对抗攻击的可迁移性既非轻易可得也非直接可实现,因为用于无线应用的代理模型可能因信道效应而与目标模型显著不同。
引用
@article{arxiv.2012.02160,
title = {Channel Effects on Surrogate Models of Adversarial Attacks against Wireless Signal Classifiers},
author = {Brian Kim and Yalin E. Sagduyu and Tugba Erpek and Kemal Davaslioglu and Sennur Ulukus},
journal= {arXiv preprint arXiv:2012.02160},
year = {2021}
}