无线信道上基于深度学习的调制分类器的空中对抗攻击

我们考虑一个由发射机、接收机和一个敌手组成的无线通信系统。发射机发射具有不同调制类型的信号，而接收机使用基于深度学习的分类器将其接收信号分类为调制类型。与此同时，敌手进行空中传输，其信号作为与发射机信号的叠加被接收，以欺骗接收机处的分类器产生错误。尽管这种规避攻击近来受到越来越多的关注，但从敌手到接收机的信道效应至今被忽略，以至于先前的攻击机制无法在实际信道效应下应用。在本文中，我们通过考虑从敌手到接收机的信道来展示如何发起真实的规避攻击。我们的结果表明，调制分类易于受到建模为带路径损耗和阴影效应的瑞利衰落的无线信道上的对抗攻击。我们针对信道、发射机输入和分类器架构信息的可用性给出了多种对抗攻击。首先，我们提出两类对抗攻击，即目标攻击（以最小功率）和非目标攻击，分别旨在将分类改变为特定标签或除真实标签外的任意其他标签。两者均为使用信道信息且特定于发射机输入的白盒攻击。然后我们引入一种利用有限信道信息（敌手仅知道信道分布）生成对抗攻击的算法。最后，我们提出一种黑盒通用对抗扰动（UAP）攻击，其中敌手对信道和发射机输入均只有有限知识。