如何让5G通信“隐形”：面向无线隐私的对抗机器学习
信号处理
2020-05-18 v1 机器学习
网络与互联网体系结构
机器学习
摘要
我们考虑如下问题：使无线通信对采用深度学习（DL）分类器来检测是否存在感兴趣传输的窃听者隐藏。存在一个发射机在其接收机通信时附近有窃听者，而一个协作干扰机（CJ）通过空中发送精心构造的对抗扰动，以欺骗窃听者将接收到的信号叠加误分类为噪声。CJ对扰动信号的强度设定了上限，以限制其对接收机处误码率（BER）的影响。我们表明，该对抗扰动使窃听者以高概率将接收信号误分类为噪声，同时仅轻微增加BER。另一方面，CJ无法通过像传统干扰那样简单发送高斯噪声来欺骗窃听者，而是需要借助对抗机器学习构造扰动信号以实现隐蔽通信。我们的结果表明，即使窃听者配备有用于检测传输的DL分类器，具有不同调制类型的信号乃至最终的5G通信都能被有效地隐藏。
引用
@article{arxiv.2005.07675,
title = {How to Make 5G Communications "Invisible": Adversarial Machine Learning for Wireless Privacy},
author = {Brian Kim and Yalin E. Sagduyu and Kemal Davaslioglu and Tugba Erpek and Sennur Ulukus},
journal= {arXiv preprint arXiv:2005.07675},
year = {2020}
}