利用生成对抗网络对移动众测中基于行为的工人选择进行投毒
密码学与安全
2025-06-09 v1
摘要
随着人工智能（AI）的普及，AI 工具和组件在今天的解决方案中无处不在。然而，这些组件和工具在对抗性攻击方面构成了显著威胁。移动众测（MCS）是一种利用工人及其智能设备收集数据的感知范式。在选择阶段面临的一个关键挑战是确保任务完成，因工人的行为各异。AI 被用于解决这一挑战的方法是为每个工人构建唯一模型以预测其行为。然而，将 AI 集成到系统后会引入可被恶意内部人士利用的漏洞，以降低受害者工人的收入。在本工作中，我们提出针对 MCS 中基于行为的选择模型的对抗攻击。该攻击利用生成对抗网络（GANs）生成投毒点，以在训练阶段误导模型而不被检测。如此一来，可以预见 GANs 对 MCS 中工人选择的潜在损害。使用真实数据集的仿真结果表明，所提出的攻击在破坏受害者工人模型方面有效，并且能够通过异常值检测器规避检测。此外，评估了该攻击对降低受害者工人收入的影响。
引用
@article{arxiv.2506.05403,
title = {Poisoning Behavioral-based Worker Selection in Mobile Crowdsensing using Generative Adversarial Networks},
author = {Ruba Nasser and Ahmed Alagha and Shakti Singh and Rabeb Mizouni and Hadi Otrok and Jamal Bentahar},
journal= {arXiv preprint arXiv:2506.05403},
year = {2025}
}