通过对抗视角审视面向5G及演进网络的机器学习
网络与互联网体系结构
2020-09-08 v1 机器学习
摘要
受深度学习近期进展的推动——其能利用隐藏于海量数据中的丰富信息并解决难以建模/求解的问题（例如资源分配问题）——移动网络领域目前围绕数据驱动的AI/ML网络自动化、控制与分析在5G及演进网络中的变革潜力抱有极大热情。在本文中，我们通过凸显跨越多种ML类型（监督/无监督/RL）的对抗维度，并以三个案例研究予以支撑，对5G背景下AI/ML的使用提出一种警示性视角。我们还讨论了缓解这一对抗性ML风险的方法，为评估ML模型的鲁棒性提供指导，并更广泛地引起对5G中面向ML研究周边问题的关注。
引用
@article{arxiv.2009.02473,
title = {Examining Machine Learning for 5G and Beyond through an Adversarial Lens},
author = {Muhammad Usama and Rupendra Nath Mitra and Inaam Ilahi and Junaid Qadir and Mahesh K. Marina},
journal= {arXiv preprint arXiv:2009.02473},
year = {2020}
}