黄金比数搜索：面向深度学习调制分类的低功率对抗性攻击
密码学与安全
2024-09-19 v1 机器学习
信号处理
摘要
我们提出一种针对基于深度学习的自动调制分类(AMC)的最小功率白盒对抗性攻击。所提出的攻击采用黄金比数搜索(GRS)方法，以寻找最小功率的高效攻击。我们通过与现有对抗性攻击方法进行比较来评估所提方法的有效性。此外，我们测试了所提攻击对各种最先进架构的鲁棒性，包括对抗训练、二值化和集成方法等防御机制。实验结果表明，所提攻击既强大又需低功率，且可在更短时间内生成，显著挑战当前 AMC 方法的韧性。
引用
@article{arxiv.2409.11454,
title = {Golden Ratio Search: A Low-Power Adversarial Attack for Deep Learning based Modulation Classification},
author = {Deepsayan Sadhukhan and Nitin Priyadarshini Shankar and Sheetal Kalyani},
journal= {arXiv preprint arXiv:2409.11454},
year = {2024}
}
备注
5 pages, 1 figure, 3 tables