用于无线信号欺骗的生成对抗网络
信号处理
2019-05-09 v2 机器学习
网络与互联网体系结构
机器学习
摘要
本文提出了一种利用生成对抗网络（GAN）生成并传输合成信号以进行无线信号欺骗的新方法，该合成信号无法被可靠地与目标信号区分开来。在无线信号进入接收链路之前，在物理层对其进行认证至关重要。为此，需要捕获原始无线信号固有的各种波形、信道和无线电硬件特征。与此同时，攻击者借助认知无线电能力变得日益复杂，能够在欺骗前记录、分析和操纵信号。基于深度学习技术，本文引入了一种由一对发射机和接收机作为攻击者发起的欺骗攻击，它们在 GAN 中分别承担生成器和判别器的角色，并通过极小极大博弈生成旨在欺骗最佳训练防御机制的最优欺骗信号。该方法的输出具有双重性。从攻击者角度看，训练出基于深度学习的欺骗机制以潜在地欺骗诸如射频指纹识别等防御机制。从防御者角度看，当一对发射机和接收机攻击者协同合作时，训练出基于深度学习的防御机制以应对潜在的欺骗攻击。针对随机信号、重放和基于 GAN 的欺骗攻击，测量了欺骗信号被误分类为目标信号的概率。结果表明，即使使用深度学习分类器作为防御，基于 GAN 的欺骗攻击仍显著提高了无线信号欺骗的成功概率。
引用
@article{arxiv.1905.01008,
title = {Generative Adversarial Network for Wireless Signal Spoofing},
author = {Yi Shi and Kemal Davaslioglu and Yalin E. Sagduyu},
journal= {arXiv preprint arXiv:1905.01008},
year = {2019}
}