面向下一代通信的任务导向通信：端到端深度学习与人工智能安全方面
网络与互联网体系结构
2023-03-23 v2 人工智能
信息论
机器学习
信号处理
math.IT
摘要
迄今为止的通信系统主要设计目标为可靠传输数字序列（比特）。下一代（NextG）通信系统正开始探索将这种设计范式转变为可靠执行给定任务，例如任务导向通信。本文将无线信号分类视为下一代无线接入网（RAN）的任务，其中边缘设备收集无线信号以实现频谱感知，并与需要识别信号标签的下一代基站（gNodeB）通信。边缘设备可能不具备足够的处理能力，也可能不被信任来执行信号分类任务，而由于严格的延迟、速率和能量限制，将信号传输至 gNodeB 可能不可行。本文考虑任务导向通信，通过将发射器、接收器和分类器功能联合训练为边缘设备和 gNodeB 的编码器-解码器对。与信号传输后分类的分离情况相比，此方法提高了准确率。对抗性机器学习对将深度学习用于任务导向通信构成了重大安全威胁。当后门（木马）攻击和对抗（逃逸）攻击针对任务导向通信的训练和测试过程时，会显示出显著的性能损失。
引用
@article{arxiv.2212.09668,
title = {Task-Oriented Communications for NextG: End-to-End Deep Learning and AI Security Aspects},
author = {Yalin E. Sagduyu and Sennur Ulukus and Aylin Yener},
journal= {arXiv preprint arXiv:2212.09668},
year = {2023}
}