論文の概要: Jamming Pattern Recognition over Multi-Channel Networks: A Deep Learning Approach

• arxiv url: http://arxiv.org/abs/2112.11222v1
• Date: Sun, 19 Dec 2021 04:29:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-22 15:38:40.884882
• Title: Jamming Pattern Recognition over Multi-Channel Networks: A Deep Learning Approach
• Title（参考訳）: マルチチャネルネットワークによるパターン認識のジャミング - ディープラーニングによるアプローチ
• Authors: Ali Pourranjbar, Georges Kaddoum and Walid Saad
• Abstract要約: インテリジェント・ジャムマーは、正統ノードによって追跡される確率を最小限に抑えるためにポリシーを変更することができる。 既存のジャミング法は、主に、不変なジャミングポリシーによるジャミング攻撃の軽減に焦点を当てているため、適用できない。 本稿では,ジャミング型認識技術とアンチジャミング手法を併用したジャミング型認識手法を提案する。
• 参考スコア（独自算出の注目度）: 88.72160601701937
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advent of intelligent jammers, jamming attacks have become a more severe threat to the performance of wireless systems. An intelligent jammer is able to change its policy to minimize the probability of being traced by legitimate nodes. Thus, an anti-jamming mechanism capable of constantly adjusting to the jamming policy is required to combat such a jammer. Remarkably, existing anti-jamming methods are not applicable here because they mainly focus on mitigating jamming attacks with an invariant jamming policy, and they rarely consider an intelligent jammer as an adversary. Therefore, in this paper, to employ a jamming type recognition technique working alongside an anti-jamming technique is proposed. The proposed recognition method employs a recurrent neural network that takes the jammer's occupied channels as inputs and outputs the jammer type. Under this scheme, the real-time jammer policy is first identified, and, then, the most appropriate countermeasure is chosen. Consequently, any changes to the jammer policy can be instantly detected with the proposed recognition technique allowing for a rapid switch to a new anti-jamming method fitted to the new jamming policy. To evaluate the performance of the proposed recognition method, the accuracy of the detection is derived as a function of the jammer policy switching time. Simulation results show the detection accuracy for all the considered users numbers is greater than 70% when the jammer switches its policy every 5 time slots and the accuracy raises to 90% when the jammer policy switching time is 45.
• Abstract（参考訳）: インテリジェントなジャマーの出現により、ジャミング攻撃は無線システムの性能にとってより深刻な脅威となっている。 インテリジェントなジャマーは、正当なノードによって追跡される可能性を最小限に抑えるためにポリシーを変更することができる。 このように、このような妨害に対処するためには、ジャミングポリシーを常に調整可能なジャミング防止機構が要求される。 驚くべきことに、既存のアンチジャミング手法は、主に不変ジャミングポリシーによるジャミング攻撃の緩和に焦点を当てており、知的ジャミングを逆境と考えることは滅多にないため、ここでは適用できない。 そこで,本稿では,ジャミング型認識技術とアンチジャミング手法を併用する手法を提案する。 提案手法では、ジャマーの占有チャネルを入力とし、ジャマーの型を出力する繰り返しニューラルネットワークを用いる。 このスキームの下では、まずリアルタイムのジャムマーポリシーを特定し、次に最も適切な対策を選択する。 これにより、新たなジャミングポリシーに適合した新たなアンチジャミング方式への迅速な切り替えが可能な認識技術により、ジャマーポリシーの変更を即座に検出することができる。 提案手法の性能を評価するために,ジャマーポリシー切替時間の関数として検出精度が導出される。 シミュレーションの結果、ジャマーが5つのタイムスロット毎にポリシーを切り替えると、すべてのユーザ数の検出精度が70%以上となり、ジャマーポリシー切替時間が45の場合には90%に向上することがわかった。

関連論文リスト

• Improved Generation of Adversarial Examples Against Safety-aligned LLMs [72.38072942860309]
  勾配に基づく手法を用いて生成した敵対的プロンプトは、安全対応のLDMに対して自動ジェイルブレイク攻撃を行う際、優れた性能を示す。 本稿では,この問題に対する新たな視点を探求し,トランスファーベースの攻撃にインスパイアされたイノベーションを活用することで緩和できることを示唆する。 この組み合わせによって生成されたクエリ固有逆接接尾辞の87%がLlama-2-7B-Chatを誘導し、AdvBench上のターゲット文字列と正確に一致する出力を生成することを示した。
  論文  参考訳（メタデータ） (2024-05-28T06:10:12Z)
• Systematic Use of Random Self-Reducibility against Physical Attacks [10.581645335323655]
  本研究は,パワーサイドチャネルやフォールトインジェクション攻撃を含む物理攻撃に対する,ブラックボックスソフトウェアに基づく新しい対策を提案する。 このアプローチでは、ランダムな自己認識性と自己正当性の概念を使用して、保護のための実行にランダムさと冗長性を追加する。 RSA-CRTシグネチャアルゴリズムとKyber Key Generation公開鍵暗号システムに対して,この対策のエンドツーエンド実装を示す。
  論文  参考訳（メタデータ） (2024-05-08T16:31:41Z)
• Token-Level Adversarial Prompt Detection Based on Perplexity Measures and Contextual Information [67.78183175605761]
  大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。 この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。 トークンレベルで敵のプロンプトを検出するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:17:21Z)
• Adaptive White-Box Watermarking with Self-Mutual Check Parameters in Deep Neural Networks [14.039159907367985]
  フレージル透かし(Fragile watermarking)は、AIモデルの改ざんを識別する技法である。 従来の手法では、省略のリスク、追加の情報伝達、改ざんを正確に特定できないといった課題に直面していた。 そこで本研究では,改ざんされたパラメータを検出・発見・復元するために,改ざんされたパラメータやビットを検出する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-22T07:21:06Z)
• Recurrent Neural Network-based Anti-jamming Framework for Defense Against Multiple Jamming Policies [77.53658708277409]
  本稿では,現在のジャミング攻撃に対処するアンチ・ジャミング法を提案する。 単一および複数のジャマーシナリオにおいて、ユーザとジャマー間の相互作用は、リカレントニューラルネットワーク(RNN)を使用してモデル化される。
  論文  参考訳（メタデータ） (2022-08-19T19:12:38Z)
• Reinforcement Learning for Deceiving Reactive Jammers in Wireless Networks [76.82565500647323]
  投石機を標的チャネルに攻撃させるという考え方に基づいて, 新規な投石防止戦略を提案する。 ジャマーのチャネル情報はユーザには知られていないため、最適なチャネル選択スキームとサブ最適電力割当が提案されている。 シミュレーションの結果,提案手法は,比較したrlベース抗ジャミング法とランダム探索法よりも優れていた。
  論文  参考訳（メタデータ） (2021-03-25T18:12:41Z)
• Robust Spammer Detection by Nash Reinforcement Learning [64.80986064630025]
  我々は,スパマーとスパム検知器が互いに現実的な目標を競うミニマックスゲームを開発する。 提案アルゴリズムは,スパマーが混在するスパマーが実用目標を達成するのを確実に防止できる平衡検出器を確実に見つけることができることを示す。
  論文  参考訳（メタデータ） (2020-06-10T21:18:07Z)

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。