面向物联网感性数据的动态黑箱后门攻击
密码学与安全
2025-11-19 v1 机器学习
摘要
基于传感器数据的识别系统在各种应用中广泛使用，例如基于步态的身份验证和人类活动识别(HAR)。现代可穿戴和智能设备配备 various built-in Inertial Measurement Unit( IMU)传感器，这些传感器数据可输入机器学习模型进行训练和分类。虽然深度学习模型在分类人类活动和手势方面取得了成功，但它们也带来了各种安全风险。本文中，我们提出了一种用于对基于传感器数据的物联网系统进行黑箱对抗攻击的 novel 动态触发器生成技术。我们的实证分析表明，该攻击在 various 数据集和分类器模型上成功，仅对输入数据进行最小扰动。我们还提供了对 various 其他投毒技术（如后门攻击）在性能和隐蔽性方面的详细比较分析。我们还讨论了一些对抗防御机制及其对触发器生成技术有效性的影响。
引用
@article{arxiv.2511.14074,
title = {Dynamic Black-box Backdoor Attacks on IoT Sensory Data},
author = {Ajesh Koyatan Chathoth and Stephen Lee},
journal= {arXiv preprint arXiv:2511.14074},
year = {2025}
}