射频指纹识别中针对预训练模型的协议无关且无数据后门攻击
密码学与安全
2025-05-05 v1 机器学习
网络与互联网体系结构
摘要
虽然监督式深度神经网络（DNN）已被证明在通过射频（RF）指纹进行设备认证方面有效，但它们受到域偏移问题和标注数据稀缺的阻碍。大型语言模型的成功引发了人们对无监督预训练模型（PTM）日益增长的兴趣，这些模型具有更好的泛化能力且无需标注数据集，有望解决上述问题。然而，PTM在射频指纹识别中的固有脆弱性仍未得到充分探索。在本文中，我们深入研究了针对射频指纹识别中此类PTM的无数据后门攻击，重点关注攻击者无法访问下游数据、标签信息和训练过程的实际场景。为实现后门攻击，我们为PTM精心设计了一组触发器和预定义输出表示（POR）。通过后门训练将触发器和POR映射起来，我们可以将后门行为植入PTM，从而在无需先验知识的情况下，在不同的下游射频指纹识别任务中引入漏洞。大量实验证明了我们提出的攻击对多种输入域、协议和PTM的广泛适用性。此外，我们探索了潜在的检测和防御方法，证明了完全防范我们提出的后门攻击的难度。
引用
@article{arxiv.2505.00881,
title = {Protocol-agnostic and Data-free Backdoor Attacks on Pre-trained Models in RF Fingerprinting},
author = {Tianya Zhao and Ningning Wang and Junqing Zhang and Xuyu Wang},
journal= {arXiv preprint arXiv:2505.00881},
year = {2025}
}
备注
10 pages, 7 figures, accepted by IEEE INFOCOM 2025