基于白箱攻击的信号检测网络对抗样本生成
计算机视觉与模式识别
2024-10-03 v1 密码学与安全
摘要
随着深度学习在信号检测任务中的发展和应用，神经网络对对抗攻击的脆弱性也成为信号检测网络的安全威胁。本文从向信号添加扰动的角度定义了信号检测网络的对抗样本生成模型。该模型利用时域和时频域 L2 范数不等式关系来约束信号扰动的能量。基于此模型，我们提出了一种利用梯度攻击和短时傅里叶变换生成信号对抗样本的方法。实验结果表明，在信号扰动能量比例小于 3% 的约束下，我们的对抗攻击导致信号检测网络的平均精度 (mAP) 降低 28.1%，召回率降低 24.7%，精度降低 30.4%。与相同强度的随机噪声扰动相比，我们的对抗攻击显示出显著的攻击效果。
引用
@article{arxiv.2410.01393,
title = {Signal Adversarial Examples Generation for Signal Detection Network via White-Box Attack},
author = {Dongyang Li and Linyuan Wang and Guangwei Xiong and Bin Yan and Dekui Ma and Jinxian Peng},
journal= {arXiv preprint arXiv:2410.01393},
year = {2024}
}
备注
18 pages, 6 figures, submitted to Mobile Networks and Applications