IoTGAN：基于GAN的对抗机器学习物联网设备识别的伪装方法
密码学与安全
2023-12-19 v2 机器学习
网络与互联网体系结构
摘要
随着物联网设备的激增，研究人员借助机器学习开发了多种物联网设备识别方法。然而，这些识别方法的安全性大多依赖于所收集的训练数据。在本研究中，我们提出一种名为IoTGAN的新型攻击策略，用于操控物联网设备的流量，使其规避基于机器学习的物联网设备识别。在IoTGAN的开发中，我们面临两个主要技术挑战：（i）如何在黑盒设定下获取判别模型；（ii）如何通过操控模型向物联网流量添加扰动，以规避识别且不影响物联网设备功能。为应对这些挑战，采用基于神经网络的替代模型在黑盒设定下拟合目标模型，其作为IoTGAN中的判别模型。训练一个操控模型将对抗性扰动加入物联网设备流量中以规避替代模型。实验结果表明IoTGAN能成功实现攻击目标。我们还开发了高效的应对策略，以保护基于机器学习的物联网设备识别免受IoTGAN的破坏。
引用
@article{arxiv.2201.03281,
title = {IoTGAN: GAN Powered Camouflage Against Machine Learning Based IoT Device Identification},
author = {Tao Hou and Tao Wang and Zhuo Lu and Yao Liu and Yalin Sagduyu},
journal= {arXiv preprint arXiv:2201.03281},
year = {2023}
}