論文の概要: Channel-Aware Adversarial Attacks Against Deep Learning-Based Wireless Signal Classifiers

• arxiv url: http://arxiv.org/abs/2005.05321v3
• Date: Mon, 20 Dec 2021 21:53:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 20:03:44.382900
• Title: Channel-Aware Adversarial Attacks Against Deep Learning-Based Wireless Signal Classifiers
• Title（参考訳）: ディープラーニングベース無線信号分類器に対するチャネルアウェア対応攻撃
• Authors: Brian Kim, Yalin E. Sagduyu, Kemal Davaslioglu, Tugba Erpek, Sennur Ulukus
• Abstract要約: 本稿では,ディープラーニングに基づく無線信号分類器に対するチャネル認識型敵攻撃について述べる。 雑音でトレーニングデータを増強するランダムな平滑化に基づく認証された防御を導入し、変調分類器を敵の摂動に頑健にする。
• 参考スコア（独自算出の注目度）: 43.156901821548935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents channel-aware adversarial attacks against deep learning-based wireless signal classifiers. There is a transmitter that transmits signals with different modulation types. A deep neural network is used at each receiver to classify its over-the-air received signals to modulation types. In the meantime, an adversary transmits an adversarial perturbation (subject to a power budget) to fool receivers into making errors in classifying signals that are received as superpositions of transmitted signals and adversarial perturbations. First, these evasion attacks are shown to fail when channels are not considered in designing adversarial perturbations. Then, realistic attacks are presented by considering channel effects from the adversary to each receiver. After showing that a channel-aware attack is selective (i.e., it affects only the receiver whose channel is considered in the perturbation design), a broadcast adversarial attack is presented by crafting a common adversarial perturbation to simultaneously fool classifiers at different receivers. The major vulnerability of modulation classifiers to over-the-air adversarial attacks is shown by accounting for different levels of information available about the channel, the transmitter input, and the classifier model. Finally, a certified defense based on randomized smoothing that augments training data with noise is introduced to make the modulation classifier robust to adversarial perturbations.
• Abstract（参考訳）: 本稿では,深層学習に基づく無線信号分類器に対するチャネルアウェア・アドバーサリー攻撃について述べる。 異なる変調タイプで信号を送信する送信機があります。 各受信機でディープニューラルネットワークを使用して、受信した信号を変調タイプに分類する。 一方、相手は、相手の摂動(電力予算に従属する)を不正な受信者に送信し、送信された信号と敵の摂動の重畳として受信される信号を分類する誤りを発生させる。 第一に、これらの回避攻撃は、逆摂動を設計する際にチャネルが考慮されない場合に失敗する。 そして、敵から各受信機へのチャネル効果を考慮し、現実的な攻撃を示す。 チャネル認識攻撃が選択的であること(すなわち、チャネルが摂動設計で考慮されている受信機のみに影響する)を示した後、放送対向攻撃は、共通の対向摂動を発生させ、異なる受信機で同時に分類器を騙す。 変調分類器の対空攻撃に対する大きな脆弱性は、チャネル、送信機入力、および分類器モデルに関する様々なレベルの情報を考慮することで示される。 最後に、ノイズを伴うトレーニングデータを増強するランダム化平滑化に基づく認証ディフェンスを導入し、変調分類器を逆摂動に対して頑健にする。

関連論文リスト

• Secure Semantic Communication via Paired Adversarial Residual Networks [59.468221305630784]
  本稿では,セキュリティを意識したセマンティック通信システムに対する敵攻撃の正の側面について検討する。 セマンティックトランスミッターの後に、セマンティックレシーバーの前に、一対のプラグイン可能なモジュールがインストールされる。 提案手法は,高品質なセマンティック通信を維持しつつ,盗聴者を騙すことができる。
  論文  参考訳（メタデータ） (2024-07-02T08:32:20Z)
• Vulnerabilities of Deep Learning-Driven Semantic Communications to Backdoor (Trojan) Attacks [70.51799606279883]
  本稿では,バックドア(トロイジャン)攻撃に対するディープラーニングによるセマンティックコミュニケーションの脆弱性を明らかにする。 バックドア攻撃は、有毒な入力サンプルに転送された意味情報を標的の意味に効果的に変更することができる。 バックドア攻撃の有無で情報伝達の意味を保存するための設計ガイドラインが提示される。
  論文  参考訳（メタデータ） (2022-12-21T17:22:27Z)
• Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
  セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。 再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:13:22Z)
• Channel Effects on Surrogate Models of Adversarial Attacks against Wireless Signal Classifiers [42.56367378986028]
  本稿では,バックグラウンドエミッタ,送信機,敵機で構成される無線通信システムについて考察する。 敵は、送信機を騙してチャンネルをアイドルと誤分類する敵攻撃を発生させる。 本研究は,敵対者によって訓練された異なる代理モデルが敵攻撃の性能にどのように影響するかを検討するために,異なるトポロジを考察する。
  論文  参考訳（メタデータ） (2020-12-03T18:46:28Z)
• Adversarial Attacks with Multiple Antennas Against Deep Learning-Based Modulation Classifiers [43.156901821548935]
  敵の攻撃性能を改善するために、敵の複数のアンテナを利用する方法を示す。 シンボルレベルにおいて最大のチャネルゲインを持つチャネルを通して逆方向の摂動を伝達する攻撃を導入する。
  論文  参考訳（メタデータ） (2020-07-31T17:56:50Z)
• Over-the-Air Adversarial Attacks on Deep Learning Based Modulation Classifier over Wireless Channels [43.156901821548935]
  本稿では,送信機,受信機,敵から成り立つ無線通信システムについて考察する。 一方、敵は送信機の信号に重畳されるように、無線で送信する。 本稿では,敵から受信機へのチャネルを考慮し,現実的な回避攻撃を行う方法について述べる。
  論文  参考訳（メタデータ） (2020-02-05T18:45:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。