RES-HD：基于超维计算的抗对抗攻击弹性智能故障诊断
密码学与安全
2022-03-17 v1 机器学习
摘要
工业物联网（I-IoT）通过持续监控设备和分析所收集的数据实现全自动化生产系统。机器学习方法在此类系统中常用于数据分析。网络攻击对 I-IoT 是严重威胁，因为它们可操纵合法输入，破坏 ML 预测并导致生产系统中断。超维计算（HDC）是一种受大脑启发的机器学习方法，已被证明具有足够准确性，同时极其鲁棒、快速且节能。在本工作中，我们使用 HDC 进行面向不同对抗攻击的智能故障诊断。我们的黑盒对抗攻击首先训练一个替代模型，并利用该训练模型生成扰动的测试实例。随后这些样本被迁移至目标模型。分类准确率的变化被度量为此前后攻击的差异。该变化度量了学习方法的弹性。我们的实验表明，与最先进的深度学习方法相比，HDC 带来了更具弹性和轻量的学习方案。HDC 的弹性比最先进方法最高高出 67.5%，同时训练速度快达 25.1%。
引用
@article{arxiv.2203.08148,
title = {RES-HD: Resilient Intelligent Fault Diagnosis Against Adversarial Attacks Using Hyper-Dimensional Computing},
author = {Onat Gungor and Tajana Rosing and Baris Aksanli},
journal= {arXiv preprint arXiv:2203.08148},
year = {2022}
}