Magmaw：针对基于机器学习的无线通信系统的模态无关对抗攻击
密码学与安全
2024-11-22 v3 人工智能
摘要
机器学习（ML）通过将端到端无线通信系统的所有物理层模块相融合，在实现联合收发机优化方面发挥了重要作用。尽管已有许多针对基于机器学习的无线系统的对抗攻击，现有方法未能提供包含源数据的多模态性、通用物理层协议以及无线域约束的全面视角。本文提出 Magmaw，一种新颖的无线攻击方法，能够为通过无线信道传输的任意多模态信号生成通用对抗扰动。我们进一步为下游应用引入了对抗攻击的新目标。我们采用广泛使用的防御方法来验证 Magmaw 的鲁棒性。作为概念验证评估，我们使用软件定义无线电系统构建了一个实时无线攻击平台。实验结果表明，即便在强防御机制存在的情况下，Magmaw 仍会导致显著的性能下降。此外，我们在两个案例研究中验证了 Magmaw 的性能：加密通信信道与基于信道模态的 ML 模型。
引用
@article{arxiv.2311.00207,
title = {Magmaw: Modality-Agnostic Adversarial Attacks on Machine Learning-Based Wireless Communication Systems},
author = {Jung-Woo Chang and Ke Sun and Nasimeh Heydaribeni and Seira Hidano and Xinyu Zhang and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:2311.00207},
year = {2024}
}
备注
Accepted at NDSS 2025