論文の概要: Adversarial Filters for Secure Modulation Classification

• arxiv url: http://arxiv.org/abs/2008.06785v1
• Date: Sat, 15 Aug 2020 20:51:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-28 21:17:42.073473
• Title: Adversarial Filters for Secure Modulation Classification
• Title（参考訳）: セキュアな変調分類のための逆フィルタ
• Authors: Alex Berian, Kory Staab, Noel Teku, Gregory Ditzler, Tamal Bose, Ravi Tandon
• Abstract要約: 変調分類 (Modulation Classification, MC) とは、無線信号の変調クラスを分類する問題である。 無線通信パイプラインでは、MCは受信した信号で実行される最初の操作であり、信頼性の高い復号化には重要である。 本稿では,送信機が盗聴器のMC精度を最小化しつつ,正解器のMC精度を最大化しようとする,セキュアな変調分類の問題について考察する。
• 参考スコア（独自算出の注目度）: 12.55490357107641
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Modulation Classification (MC) refers to the problem of classifying the modulation class of a wireless signal. In the wireless communications pipeline, MC is the first operation performed on the received signal and is critical for reliable decoding. This paper considers the problem of secure modulation classification, where a transmitter (Alice) wants to maximize MC accuracy at a legitimate receiver (Bob) while minimizing MC accuracy at an eavesdropper (Eve). The contribution of this work is to design novel adversarial learning techniques for secure MC. In particular, we present adversarial filtering based algorithms for secure MC, in which Alice uses a carefully designed adversarial filter to mask the transmitted signal, that can maximize MC accuracy at Bob while minimizing MC accuracy at Eve. We present two filtering based algorithms, namely gradient ascent filter (GAF), and a fast gradient filter method (FGFM), with varying levels of complexity. Our proposed adversarial filtering based approaches significantly outperform additive adversarial perturbations (used in the traditional ML community and other prior works on secure MC) and also have several other desirable properties. In particular, GAF and FGFM algorithms are a) computational efficient (allow fast decoding at Bob), b) power-efficient (do not require excessive transmit power at Alice); and c) SNR efficient (i.e., perform well even at low SNR values at Bob).
• Abstract（参考訳）: 変調分類 (Modulation Classification, MC) とは、無線信号の変調クラスを分類する問題である。 無線通信パイプラインでは、mcは受信信号で実行される最初の操作であり、信頼性の高い復号化に重要である。 本稿では,送信機(alice)が正規受信機(bob)のmc精度を最大化しつつ,盗聴機(eve)のmc精度を最小化しようとする,安全な変調分類の問題を考察する。 この研究の貢献は、安全なMCのための新しい対人学習技術の設計である。 特に,Alice は,Bob における MC の精度を最小化しつつ,Bob における MC の精度を最大化できるように,慎重に設計された MC フィルタを用いてセキュアな MC フィルタアルゴリズムを提案する。 本稿では,勾配上昇フィルタ(gaf)と高速勾配フィルタ(fgfm)の2つのフィルタベースアルゴリズムを提案する。 提案手法は, 従来のMLコミュニティや, 安全なMCに関する先行研究などにおいて, 付加的対向的摂動を著しく上回り, その他の望ましい性質も備えている。 特にGAFとFGFMはアルゴリズムである。 a)計算効率(bobでの高速復号を可能にする) b) 電力効率(アリスにおいて過度の送信電力を必要としない)及び c) SNR は効率が良い(つまり、Bob の低い SNR 値でもうまく機能する)。

関連論文リスト

• Deep Learning Assisted Multiuser MIMO Load Modulated Systems for Enhanced Downlink mmWave Communications [68.96633803796003]
  本稿では, マルチユーザ負荷変調アレイ (MU-LMA) に着目し, マイクロウェーブ (mmWave) マルチインプット・マルチアウトプット (MIMO) システムにおいて, マルチユーザ負荷変調アレイ (MU-LMA) の小型化とコスト削減を図っている。 ダウンリンクMU-LMAの既存のプリコーディングアルゴリズムは、自由度と複雑なシステム構成の低下に悩まされるサブアレイ構造化(SAS)送信機に依存している。 本稿では,FAS (Full-array Structured) 送信機を用いたMU-LMAシステムを提案し,それに応じて2つのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-11-08T08:54:56Z)
• Spatially-Adaptive Feature Modulation for Efficient Image Super-Resolution [90.16462805389943]
  視覚変換器(ViT)のようなブロック上に,空間適応型特徴変調(SAFM)機構を開発する。 提案法は最先端のSR法よりも3倍程度小さい。
  論文  参考訳（メタデータ） (2023-02-27T14:19:31Z)
• SigT: An Efficient End-to-End MIMO-OFDM Receiver Framework Based on Transformer [16.00729720170457]
  SigTという名前のtextit Transformer に基づく新しいエンド・ツー・エンド・レシーバフレームワークが提案されている。 実験結果から,SigTはベンチマーク法よりも信号回復精度が高いことがわかった。
  論文  参考訳（メタデータ） (2022-11-02T14:08:16Z)
• A Hybrid SFANC-FxNLMS Algorithm for Active Noise Control based on Deep Learning [17.38644275080562]
  Filtered-X normalized least-mean-square (FxNLMS)アルゴリズムは適応最適化により低い定常誤差を得ることができる。 本稿では,適応アルゴリズムの緩やかな収束を克服するためのハイブリッドSFANC-FxNLMS手法を提案する。 実験の結果,ハイブリッドSFANC-FxNLMSアルゴリズムは高速応答時間,低雑音低減誤差,高強靭性を実現可能であることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T05:42:39Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)
• Integrate Lattice-Free MMI into End-to-End Speech Recognition [87.01137882072322]
  音声認識(ASR)研究において、識別基準はDNN-HMMシステムにおいて優れた性能を達成している。 このモチベーションにより、差別的基準の採用は、エンドツーエンド(E2E)のASRシステムの性能を高めることを約束している。 これまでの研究は、最小ベイズリスク(MBR、差別基準の一つ)をE2E ASRシステムに導入してきた。 本研究では,他の広く使われている識別基準であるLF-MMIをE2Eに統合する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-29T14:32:46Z)
• Bit-Metric Decoding Rate in Multi-User MIMO Systems: Theory [13.848471206858617]
  リンク適応(LA)は、無線通信における最も重要な側面の1つである。 LAは受信機における非等化後信号-干渉-雑音比(SINR)を計算する。 非線形受信機を持つMU-MIMOシステムでは、スフィアデコーダアルゴリズムの変種を使用するような、ポスト等化SINRの等価性は知られていない。 BMDRは任意の検出器に対する非等化後のSINRと同値である。
  論文  参考訳（メタデータ） (2022-03-11T22:43:37Z)
• Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
  ガウス過程回帰に基づく適応型低域通過フィルタを提案する。 本研究では,提案手法の誤差が一様境界であることを示す。
  論文  参考訳（メタデータ） (2021-11-05T17:06:59Z)
• Two-step Machine Learning Approach for Channel Estimation with Mixed Resolution RF Chains [19.0581196881206]
  機械学習(ML)アルゴリズムを適用し,効率的なアップリンクチャネル推定手法を提案する。 第1ステップでは、条件付き生成逆転ネットワーク(cGAN)は、フル解像度RFチェーンの限られたセットから低解像度RFチェーンアンテナ要素の残りの部分まで、無線チャネルを予測します。 長期長期メモリ(LSTM)ニューラルネットワークは、低分解能RFチェーンアンテナ要素からさらなる位相情報を抽出します。
  論文  参考訳（メタデータ） (2021-01-24T12:33:54Z)
• Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
  そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。 我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。 数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-18T16:40:45Z)

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。