基于扰动攻击的 WiFi sensing 系统安全分析
密码学与安全
2024-04-25 v1
摘要
深度学习技术在增强 WiFi 基于无线感知系统性能方面起到了关键作用。然而，它们本质上易受到对抗性扰动攻击的威胁，令人遗憾的是，WiFi 感知社区缺乏对这一安全问题的严肃关注。本文阐述了一种称为 WiIntruder 的攻击方法，区别于其他方法的是其通用性、鲁棒性和隐蔽性，为评估现有 WiFi 基于感知系统的安全性提供了一种催化剂。该攻击包括以下显著特征：(1) 通过区分不同感知模型中基于用户状态的特征空间，最大化可迁移性，导致一种适用于常见应用的通用有效扰动攻击；(2) 通过基于启发式粒子群驱动的扰动生成算法优化关键参数，以解决扰动信号因设备同步和无线传播引起的失真；(3) 通过随机切换由生成对抗网络生成的扰动替代品，增强攻击模式的多样性和隐蔽性。大量实验结果确认了扰动攻击对常见 WiFi 基于服务（包括用户身份验证和呼吸监测）的实际威胁。
引用
@article{arxiv.2404.15587,
title = {Security Analysis of WiFi-based Sensing Systems: Threats from Perturbation Attacks},
author = {Hangcheng Cao and Wenbin Huang and Guowen Xu and Xianhao Chen and Ziyang He and Jingyang Hu and Hongbo Jiang and Yuguang Fang},
journal= {arXiv preprint arXiv:2404.15587},
year = {2024}
}