针对端到端自编码器通信系统的物理对抗攻击
信息论
2019-02-25 v1 密码学与安全
机器学习
信号处理
math.IT
摘要
我们表明，通过深度神经网络（DNN）自编码器对通信系统进行端到端学习可能极易受到物理对抗攻击。具体而言，我们详细阐述了攻击者如何精心构造有效的物理黑盒对抗攻击。由于无线信道的开放性（广播特性），敌意发射机可通过在信道上发送精心设计的扰动信号，将通信系统的块错误率提高数个数量级。我们揭示对抗攻击比干扰攻击更具破坏性。我们还表明，经典编码方案相比自编码器在对抗攻击和干扰攻击下都更具鲁棒性。代码见[1]。
引用
@article{arxiv.1902.08391,
title = {Physical Adversarial Attacks Against End-to-End Autoencoder Communication Systems},
author = {Meysam Sadeghi and Erik G. Larsson},
journal= {arXiv preprint arXiv:1902.08391},
year = {2019}
}
备注
to appear at IEEE Communications Letters