基于对抗深度学习的物联网网络安全
网络与互联网体系结构
2019-06-04 v1 密码学与安全
机器学习
摘要
机器学习在物联网（IoT）网络中具有丰富应用，如信息检索、流量管理、频谱感知和信号认证。尽管理解机器学习安全问题的兴趣激增，但其对无线应用（如易受各类攻击的 IoT 系统，因无线通信的开放与广播特性）的影响尚未被认识。为支持具有不同优先级异构设备的 IoT 系统，我们提出基于对抗机器学习构建的新技术，并将其应用于三类空中（OTA）无线攻击，即干扰、频谱投毒和优先级违背攻击。通过观测频谱， adversary 首先发起探索性攻击，通过构建深度神经网络分类器预测传输结果，推断 IoT 发射机的信道接入算法。基于这些预测结果，无线攻击继续干扰数据传输或空中操纵感知结果（在感知阶段发射）以欺骗发射机在测试阶段做出错误传输决策（对应规避攻击）。当 IoT 发射机收集感知结果作为训练数据以重新训练其信道接入算法时，adversary 发起因果攻击以空中操纵发射机的输入数据。我们表明，这些具有不同能耗与隐蔽性水平的攻击导致 IoT 系统无线通信吞吐量与成功率显著损失。随后我们引入一种防御机制，在推断阶段系统性增加 adversary 的不确定性并改善性能。结果为如何利用深度学习攻击与防御 IoT 网络提供了新见解。
引用
@article{arxiv.1906.00076,
title = {IoT Network Security from the Perspective of Adversarial Deep Learning},
author = {Yalin E. Sagduyu and Yi Shi and Tugba Erpek},
journal= {arXiv preprint arXiv:1906.00076},
year = {2019}
}