論文の概要: FGGM: Formal Grey-box Gradient Method for Attacking DRL-based MU-MIMO Scheduler

• arxiv url: http://arxiv.org/abs/2510.26075v1
• Date: Thu, 30 Oct 2025 02:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.629533
• Title: FGGM: Formal Grey-box Gradient Method for Attacking DRL-based MU-MIMO Scheduler
• Title（参考訳）: FGGM: DRLベースのMU-MIMOスケジューラ攻撃のためのGrey-box Gradient法
• Authors: Thanh Le, Hai Duong, Yusheng Ji, ThanhVu Nguyen, John C. S. Lui,
• Abstract要約: 5Gモバイル通信システムにおいて、MU-MIMOはスペクトル効率を高め、高いデータレートをサポートする。 ユーザ間の公平性を提供しながらスペクトル効率を最大化するために,基地局はデータ伝送のためのサブセットを選択する必要がある。 本稿では,不衛生な生CSIを用いてスループット劣化攻撃を発生させる方法について検討する。
• 参考スコア（独自算出の注目度）: 38.931160910894036
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In 5G mobile communication systems, MU-MIMO has been applied to enhance spectral efficiency and support high data rates. To maximize spectral efficiency while providing fairness among users, the base station (BS) needs to selects a subset of users for data transmission. Given that this problem is NP-hard, DRL-based methods have been proposed to infer the near-optimal solutions in real-time, yet this approach has an intrinsic security problem. This paper investigates how a group of adversarial users can exploit unsanitized raw CSIs to launch a throughput degradation attack. Most existing studies only focused on systems in which adversarial users can obtain the exact values of victims' CSIs, but this is impractical in the case of uplink transmission in LTE/5G mobile systems. We note that the DRL policy contains an observation normalizer which has the mean and variance of the observation to improve training convergence. Adversarial users can then estimate the upper and lower bounds of the local observations including the CSIs of victims based solely on that observation normalizer. We develop an attacking scheme FGGM by leveraging polytope abstract domains, a technique used to bound the outputs of a neural network given the input ranges. Our goal is to find one set of intentionally manipulated CSIs which can achieve the attacking goals for the whole range of local observations of victims. Experimental results demonstrate that FGGM can determine a set of adversarial CSI vector controlled by adversarial users, then reuse those CSIs throughout the simulation to reduce the network throughput of a victim up to 70\% without knowing the exact value of victims' local observations. This study serves as a case study and can be applied to many other DRL-based problems, such as a knapsack-oriented resource allocation problems.
• Abstract（参考訳）: 5Gモバイル通信システムにおいて、MU-MIMOはスペクトル効率を高め、高いデータレートをサポートする。 ユーザ間の公平性を提供しながらスペクトル効率を最大化するために、ベースステーション(BS)は、データ送信のためのサブセットを選択する必要がある。 この問題がNPハードであることを考えると、DRLをベースとした手法は、ほぼ最適解をリアルタイムで推定する手法が提案されているが、本手法には本質的なセキュリティ問題がある。 本稿では,不衛生な生CSIを用いてスループット劣化攻撃を発生させる方法について検討する。 既存の研究の多くは、被害者のCSIの正確な値が得られるシステムのみに焦点を当てているが、LTE/5Gモバイルシステムにおけるアップリンク伝送の場合、これは現実的ではない。 DRLポリシーは、トレーニング収束を改善するために、観測の平均と分散を有する観察正規化器を含むことに留意する。 相手ユーザは、その観察正規化のみに基づいて、被害者のCSIを含む地域観測の上下境界を推定することができる。 本研究では,入力範囲に応じてニューラルネットワークの出力を束縛する手法として,ポリトープ抽象領域を利用した攻撃方式FGGMを開発した。 我々の目標は、被害者の局所的な観察範囲全体に対する攻撃目標を達成するために、意図的に操作された1つのCSIを見つけることである。 実験の結果、FGGMは、敵のユーザによって制御される敵のCSIベクトルのセットを判定し、シミュレーションを通してそれらのCSIを再利用し、被害者のネットワークスループットを70 %まで低減できることを示した。 この研究はケーススタディとして機能し、knapsack指向のリソース割り当て問題など、他のDRLベースの問題にも適用することができる。

関連論文リスト

• Distributed Gossip-GAN for Low-overhead CSI Feedback Training in FDD mMIMO-OFDM Systems [65.23921727688749]
  本稿では,新たなゴシップ生成敵ネットワーク(Gossip-GAN)支援CSIフィードバックトレーニングフレームワークを提案する。 Gossip-GANは、ユーザのプライバシを保護しながら、低オーバーヘッドでCSIフィードバックトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-08-31T07:46:16Z)
• CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
  CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。 このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。 CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
  論文  参考訳（メタデータ） (2024-12-09T06:44:04Z)
• A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
  周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。 しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。 CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。 既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。 低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
  論文  参考訳（メタデータ） (2023-12-07T06:01:47Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Deep Learning Assisted CSI Estimation for Joint URLLC and eMBB Resource Allocation [36.364156900974535]
  高速移動車載ネットワークにおける深層学習支援CSI推定手法を提案する。 我々は、車両用ユーザ機器の動的スライシングに基づくリソース割り当て問題を定式化し、解決する。
  論文  参考訳（メタデータ） (2020-03-12T10:00:08Z)
• SUOD: Accelerating Large-Scale Unsupervised Heterogeneous Outlier Detection [63.253850875265115]
  外乱検出(OD)は、一般的なサンプルから異常物体を識別するための機械学習(ML)タスクである。 そこで我々は,SUODと呼ばれるモジュール型加速度システムを提案する。
  論文  参考訳（メタデータ） (2020-03-11T00:22:50Z)

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。