针对无线信号分类中的对抗样本的对策
人工智能
2024-07-10 v1
摘要
深度学习算法在诸多通信网络设计问题中展现出强大能力，包括自动调制分类任务。然而，这些算法易受到称为对抗样本的精心设计攻击的威胁，使得无线网络对深度学习算法的依赖构成了严重的安全与运行风险。本文首次提出一种针对调制分类中的对抗样本对策。该对策基于神经网络驳回技术，辅以标签平滑与高斯噪声注入，能够高精度检测并拒绝对抗样本。实验结果表明，所提对策能够有效保护基于深度学习的调制分类系统免受对抗样本攻击。
引用
@article{arxiv.2407.06796,
title = {Countermeasures Against Adversarial Examples in Radio Signal Classification},
author = {Lu Zhang and Sangarapillai Lambotharan and Gan Zheng and Basil AsSadhan and Fabio Roli},
journal= {arXiv preprint arXiv:2407.06796},
year = {2024}
}
备注
Published in IEEE Wireless Communications Letters, vol. 10, no. 8, pp. 1830-1834, Aug. 2021