针对大规模 MIMO 系统功率分配神经网络的通用对抗攻击
信息论
2021-10-12 v1 密码学与安全
机器学习
math.IT
摘要
深度学习（DL）架构已成功应用于包括无线系统在内的诸多领域。然而，它们已被证明易受对抗攻击。我们分析了大规模多输入多输出系统下行功率分配回归问题中的基于 DL 的模型，并提出了作为白盒与黑盒攻击的通用对抗扰动（UAP）生成方法。我们针对所考虑的应用对白盒与黑盒攻击的 UAP 性能进行了基准测试，结果表明对抗成功率分别可达 60% 与 40%。与经典白盒攻击相比，所提出的基于 UAP 的攻击是一种更实用且更现实的方法。
引用
@article{arxiv.2110.04731,
title = {Universal Adversarial Attacks on Neural Networks for Power Allocation in a Massive MIMO System},
author = {Pablo Millán Santos and B. R. Manoj and Meysam Sadeghi and Erik G. Larsson},
journal= {arXiv preprint arXiv:2110.04731},
year = {2021}
}
备注
accepted for publication in IEEE Wireless Communications Letters