基于深度学习的无线信号分类器的成员推断攻击与防御
密码学与安全
2021-07-27 v1 信息论
机器学习
math.IT
摘要
本文提出一种空中成员推断攻击（MIA），以从无线信号分类器中泄露隐私信息。机器学习（ML）为无线信号分类提供了强大的手段，例如用于物理层认证。作为一种对抗性机器学习攻击，MIA推断感兴趣的信号是否已被用于目标分类器的训练数据中。该隐私信息包含波形、信道和设备特征，一旦泄露，攻击者可利用其识别底层ML模型的漏洞（例如渗透物理层认证）。空中MIA的一个挑战在于，由于信道条件差异，攻击者与预期接收端所接收的信号以及由此产生的射频指纹不同。因此，攻击者首先通过观测频谱构建替代分类器，然后在该分类器上发起黑盒MIA。MIA结果表明，攻击者能够可靠地推断出用于构建目标分类器的信号（以及潜在的无线电与信道信息）。为此，通过构建影子MIA模型并欺骗攻击者，提出了一种针对MIA的主动防御方法。该防御可成功降低MIA准确率并防止无线信号分类器的信息泄露。
引用
@article{arxiv.2107.12173,
title = {Membership Inference Attack and Defense for Wireless Signal Classifiers with Deep Learning},
author = {Yi Shi and Yalin E. Sagduyu},
journal= {arXiv preprint arXiv:2107.12173},
year = {2021}
}
备注
arXiv admin note: substantial text overlap with arXiv:2006.14576