低截获波形:通过对抗样本防止频谱波形调制的识别
机器学习
2022-01-24 v1 信号处理
摘要
由于其便捷与高效,深度学习被应用于无线通信领域的诸多复杂任务,如频谱波形的调制识别。这导致恶意第三方利用深度学习模型轻易识别所传输波形的调制格式的问题。一些现有工作直接采用图像域对抗样本的概念来解决该问题,而未充分考虑物理世界中波形传输的特性。因此,我们提出一种低截获波形(LIW)生成方法,其能在不影响友好方可靠通信的前提下,降低调制被第三方识别的概率。我们的 LIW 即使在物理硬件实验中也展现出显著的低截获性能,以微小扰动将最先进模型的准确率降至约 。
引用
@article{arxiv.2201.08731,
title = {Low-Interception Waveform: To Prevent the Recognition of Spectrum Waveform Modulation via Adversarial Examples},
author = {Haidong Xie and Jia Tan and Xiaoying Zhang and Nan Ji and Haihua Liao and Zuguo Yu and Xueshuang Xiang and Naijin Liu},
journal= {arXiv preprint arXiv:2201.08731},
year = {2022}
}
备注
4 pages, 4 figures, published in 2021 34th General Assembly and Scientific Symposium of the International Union of Radio Science, URSI GASS 2021