用于发起与缓解无线干扰攻击的深度学习
网络与互联网体系结构
2018-12-14 v2 机器学习
机器学习
摘要
本文引入一种对抗式机器学习方法来发起针对无线通信的干扰攻击,并给出一种防御策略。认知发射机使用预训练分类器基于近期感知结果预测当前信道状态,并决定是否传输;而干扰机收集信道状态与 ACK 以构建深度学习分类器,可靠预测下一次成功传输并有效干扰它们。与随机或基于感知的干扰相比,该干扰方法被证明更严重地降低了发射机性能。干扰机将深度学习分类分数用于功率控制,并受平均功率约束。接下来,为干扰机开发生成对抗网络(GAN),通过用合成样本扩充训练数据集来减少收集训练集的时间。作为一种防御方案,发射机故意在频谱接入中采取少量错误动作(以针对干扰机的因果攻击形式),从而阻止干扰机构建可靠分类器。发射机系统性地选择何时采取错误动作,并调整防御水平以误导干扰机产生预测错误,进而提高其吞吐量。
引用
@article{arxiv.1807.02567,
title = {Deep Learning for Launching and Mitigating Wireless Jamming Attacks},
author = {Tugba Erpek and Yalin E. Sagduyu and Yi Shi},
journal= {arXiv preprint arXiv:1807.02567},
year = {2018}
}