Wild Networks：5G网络基础设施对对抗样本的暴露面
密码学与安全
2022-10-19 v1 机器学习
网络与互联网体系结构
摘要
第五代（5G）网络必须支持数十亿异构设备，同时保证最优服务质量（QoS）。此类需求仅凭人力无法达成，机器学习（ML）是5G中的核心资产。然而，ML已知易受对抗样本攻击；此外，如本文所示，5G语境还暴露于一种现有威胁模型无法形式化的新型对抗ML攻击。由于缺乏可用于对抗ML研究的ML赋能5G设备，对此类风险的主动评估亦具挑战。为应对这些问题，我们提出一种特别适合5G场景且对ML所求解具体函数无关的对抗ML威胁模型。与现有ML威胁模型不同，我们的攻击无需 compromising 目标5G系统，却因QoS保障与5G网络开放性而仍可行。此外，我们提出一个基于公开数据的现实ML安全评估原创框架。我们在5G中设想的6个ML应用上主动评估了我们的威胁模型。我们的攻击同时影响训练与推理阶段，可降解最先进ML系统的性能，且较既往攻击具有更低的进入门槛。
引用
@article{arxiv.2207.01531,
title = {Wild Networks: Exposure of 5G Network Infrastructures to Adversarial Examples},
author = {Giovanni Apruzzese and Rodion Vladimirov and Aliya Tastemirova and Pavel Laskov},
journal= {arXiv preprint arXiv:2207.01531},
year = {2022}
}