下一代无线网络中基于深度学习的信道估计使用防御性蒸馏对抗攻击缓解方法
密码学与安全
2022-08-23 v1 机器学习
摘要
未来无线网络（5G 及更高代）是即将到来的蜂窝系统的愿景，将数十亿设备和人员连接在一起。过去几十年中，蜂窝网络随着用于高速数据传输、高小区容量和低延迟的先进电信技术而显著增长。这些技术的主要目标是支持广泛的新应用，如虚拟现实、元宇宙、远程医疗、在线教育、自动驾驶与飞行载具、智能城市、智能电网、先进制造等。下一代（NextG）网络的关键动机是通过改进和优化网络功能来满足这些应用的高需求。人工智能（AI）具有极高潜力，通过集成到网络各层应用中来实现这些要求。然而，使用基于 AI 的模型的 NextG 网络功能的安全问题，即模型投毒，尚未被深入研究。因此，需要为使用基于 AI 方法的 NextG 网络设计高效的缓解技术与安全解决方案。本文针对使用从 MATLAB 的 5G 工具箱获得的数据集训练的基于深度学习（DL）的信道估计模型，提出了针对对抗攻击及基于防御性蒸馏的缓解方法的全面漏洞分析。对抗攻击通过操纵训练好的基于 DL 的 NextG 网络信道估计模型产生错误结果，而缓解方法使模型对任意攻击更加鲁棒。本文还给出了所提防御性蒸馏缓解方法针对信道估计模型的每种对抗攻击的性能。结果表明，所提缓解方法能够防御 NextG 网络中基于 DL 的信道估计模型免受对抗攻击。
引用
@article{arxiv.2208.10279,
title = {Defensive Distillation based Adversarial Attacks Mitigation Method for Channel Estimation using Deep Learning Models in Next-Generation Wireless Networks},
author = {Ferhat Ozgur Catak and Murat Kuzlu and Evren Catak and Umit Cali and Ozgur Guler},
journal= {arXiv preprint arXiv:2208.10279},
year = {2022}
}
备注
13 Pages