针对基于深度学习的射频指纹识别的白盒对抗攻击
密码学与安全
2023-08-16 v1
摘要
射频指纹识别（RFFI）是一种用于无线物联网（IoT）设备轻量级认证的新兴技术。RFFI 利用独特的硬件损伤作为设备标识符，深度学习被广泛部署为 RFFI 的特征提取器与分类器。然而，深度学习易受对抗攻击，对抗样本通过对干净数据添加扰动以致使分类器做出错误预测。基于深度学习的 RFFI 已被证明易受此类攻击，但目前尚无针对多样化 RFFI 分类器的有效对抗攻击探索。本文报道使用两种方法（即快速梯度符号法（FGSM）与投影梯度下降（PGD））进行的白盒攻击（非目标性与目标性）研究。搭建了 LoRa 测试平台并采集真实数据集。实验证明这些对抗样本对卷积神经网络（CNNs）、长短期记忆（LSTM）网络及门控循环单元（GRU）均有效。
引用
@article{arxiv.2308.07433,
title = {White-Box Adversarial Attacks on Deep Learning-Based Radio Frequency Fingerprint Identification},
author = {Jie Ma and Junqing Zhang and Guanxiong Shen and Alan Marshall and Chip-Hong Chang},
journal= {arXiv preprint arXiv:2308.07433},
year = {2023}
}
备注
6 pages, 9 figures, Accepeted by International Conference on Communications 2023