Conformal Shield：一种用于自动调制分类的新型对抗攻击检测框架
信号处理
2024-02-28 v1
摘要
深度学习算法已成为认知无线电领域的重要组成部分，特别是在自动调制分类中发挥关键作用。然而，深度学习也存在风险和漏洞。尽管它们具有出色的分类性能，但在面对精心制作的对抗样本时表现出脆弱性，对调制识别结果的可靠性构成潜在风险。针对这一问题，本文首创开发了一种基于共形理论的智能调制分类框架，名为 Conformal Shield，旨在检测未知信号中对抗样本的存在并评估识别结果的可靠性。利用统计学习理论中的共形映射，引入了定制设计的不一致软解集 (Inconsistency Soft-solution Set)，实现了对识别结果的多次有效性评估。实验结果表明，Conformal Shield 在不同扰动信号功率比条件下，针对接收信号中的各种典型对抗样本攻击保持了鲁棒的检测性能。
引用
@article{arxiv.2402.17450,
title = {Conformal Shield: A Novel Adversarial Attack Detection Framework for Automatic Modulation Classification},
author = {Tailai Wen and Da Ke and Xiang Wang and Zhitao Huang},
journal= {arXiv preprint arXiv:2402.17450},
year = {2024}
}