空中的生成对抗网络：用于无线信号欺骗的深度对抗学习
网络与互联网体系结构
2020-07-17 v1
摘要
欺骗攻击对绕过物理层信号认证至关重要。本文提出一种基于深度学习的欺骗攻击，用于生成在统计上无法与预期传输区分的合成无线信号。 adversary 被建模为一对发射机与接收机，它们分别通过空中极小极大博弈构建生成对抗网络（GAN）的生成器与判别器。 adversary 发射机训练深度神经网络以生成最佳欺骗信号，并欺骗在 adversary 接收机处训练为另一深度神经网络的最佳防御。每个节点（防御者或 adversary）可具有多个发射或接收天线。通过联合捕获受攻击无线信号固有的波形、信道与无线电硬件效应来实现信号欺骗。与使用随机或重放信号的欺骗攻击相比，所提攻击针对不同网络拓扑与移动模式提高了将欺骗信号误分类为预期信号的概率。 adversary 发射机可通过使用多天线提高欺骗攻击成功率，而当防御者接收机使用多天线时攻击成功率下降。为实际部署，在嵌入式平台上的攻击实现展示了生成或分类欺骗信号的低延迟。
引用
@article{arxiv.2007.08363,
title = {Generative Adversarial Network in the Air: Deep Adversarial Learning for Wireless Signal Spoofing},
author = {Yi Shi and Kemal Davaslioglu and Yalin E. Sagduyu},
journal= {arXiv preprint arXiv:2007.08363},
year = {2020}
}