针对分布式 MIMO 网络中 AI 驱动功率分配的实际对抗攻击
信号处理
2023-01-24 v1 人工智能
机器学习
摘要
在分布式多输入多输出（D-MIMO）网络中，功率控制对于优化用户频谱效率和最大化最小公平性（MMF）至关重要，MMF 功率控制因可向所有用户提供统一服务质量而常被采用。MMF 功率控制的最优解需要高复杂度运算，因此提出了基于深度神经网络的人工智能（AI）方案以降低复杂度。尽管利用 AI 可获得相当准确的模型，这些模型在面对对抗攻击时存在固有脆弱性，即向 AI 模型输入施加精心构造的扰动。本工作中，我们表明即便在最受限情形下，源自恶意用户或无线电单元的对目标 AI 模型的威胁可通过成功对抗样本大幅降低网络性能。我们还证明此类对抗攻击相关风险高于常规攻击威胁。详细仿真揭示了对抗攻击的有效性及智能防御技术的必要性。
引用
@article{arxiv.2301.09305,
title = {Practical Adversarial Attacks Against AI-Driven Power Allocation in a Distributed MIMO Network},
author = {Ömer Faruk Tuna and Fehmi Emre Kadan and Leyli Karaçay},
journal= {arXiv preprint arXiv:2301.09305},
year = {2023}
}
备注
6 pages, 10 figures, accepted for presentation in International Conference on Communications (ICC) 2023 in Communication and Information System Security Symposium