存在对抗攻击者时的数据驱动子采样
机器学习
2024-01-09 v1 密码学与安全
信号处理
摘要
基于深度学习的自动调制分类（AMC）因其在军事和民用场景中的潜在应用而受到广泛关注。近年来，数据驱动子采样技术被用于克服AMC中计算复杂度和训练时间带来的挑战。除了这些直接优势外，数据驱动子采样方法还具有正则化性质，可能提高调制分类器的对抗鲁棒性。本文研究了对抗攻击对采用深度学习模型进行AMC和子采样的AMC系统的影响。我们的分析表明，子采样本身是对抗攻击的有效威慑。我们还发现了当分类器和子采样器均面临对抗攻击时最有效的子采样策略。
引用
@article{arxiv.2401.03488,
title = {Data-Driven Subsampling in the Presence of an Adversarial Actor},
author = {Abu Shafin Mohammad Mahdee Jameel and Ahmed P. Mohamed and Jinho Yi and Aly El Gamal and Akshay Malhotra},
journal= {arXiv preprint arXiv:2401.03488},
year = {2024}
}
备注
Accepted for publication at ICMLCN 2024