論文の概要: On the Fragility of AI-Based Channel Decoders under Small Channel Perturbations

• arxiv url: http://arxiv.org/abs/2602.01582v1
• Date: Mon, 02 Feb 2026 03:22:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.868889
• Title: On the Fragility of AI-Based Channel Decoders under Small Channel Perturbations
• Title（参考訳）: 微小チャネル摂動下におけるAIチャネルデコーダの脆弱性について
• Authors: Haoyu Lei, Mohammad Jalali, Chin Wa Lau, Farzan Farnia,
• Abstract要約: 近年のディープラーニングの進歩により、AIベースの誤り訂正デコーダが、AWGNチャネル上での従来の信念伝達デコーダよりも経験的なパフォーマンス向上を報告している。 このような利益が期待できる一方で、根本的な疑問が残る。これらの改善はどこから来るのか、それを達成するのにどのコストがかかるのか? チャネル出力における分布シフトに対するロバストネスのレンズを通してこの問題を考察する。
• 参考スコア（独自算出の注目度）: 18.508481263992483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in deep learning have led to AI-based error correction decoders that report empirical performance improvements over traditional belief-propagation (BP) decoding on AWGN channels. While such gains are promising, a fundamental question remains: where do these improvements come from, and what cost is paid to achieve them? In this work, we study this question through the lens of robustness to distributional shifts at the channel output. We evaluate both input-dependent adversarial perturbations (FGM and projected gradient methods under $\ell_2$ constraints) and universal adversarial perturbations that apply a single norm-bounded shift to all received vectors. Our results show that recent AI decoders, including ECCT and CrossMPT, could suffer significant performance degradation under such perturbations, despite superior nominal performance under i.i.d. AWGN. Moreover, adversarial perturbations transfer relatively strongly between AI decoders but weakly to BP-based decoders, and universal perturbations are substantially more harmful than random perturbations of equal norm. These numerical findings suggest a potential robustness cost and higher sensitivity to channel distribution underlying recent AI decoding gains.
• Abstract（参考訳）: 近年のディープラーニングの進歩により、AIベースのエラー訂正デコーダが、AWGNチャネル上でのBPデコードよりも経験的なパフォーマンス向上を報告している。 このような利益が期待できる一方で、根本的な疑問が残る。これらの改善はどこから来るのか、それを達成するのにどのコストがかかるのか? 本研究では, チャネル出力における分布シフトに対するロバストネスのレンズを通して, この問題を考察する。 入力依存逆方向摂動 (FGM) と$\ell_2$制約の下での射影勾配法) と、全ての受信ベクトルに対して単一のノルム有界シフトを適用する普遍逆方向摂動の両方を評価する。 以上の結果から,近年のECCTやCrossMPTなどのAIデコーダは,AWGNの精度が優れているにもかかわらず,そのような摂動下では顕著な性能低下を被る可能性が示唆された。 さらに、対向摂動はAIデコーダ間で比較的強く伝達するが、BPベースのデコーダに弱く、普遍摂動は等しいノルムのランダム摂動よりもかなり有害である。 これらの数値的な結果は、近年のAIデコードゲインの根底にあるチャネル分布に対する潜在的堅牢性コストと高い感度を示唆している。

関連論文リスト

• Generalization Bounds for Transformer Channel Decoders [61.55280736553095]
  本稿では,ECCTの一般化性能を学習理論の観点から検討する。 我々の知る限りでは、この研究はこの種のデコーダに対する最初の理論的一般化保証を提供する。
  論文  参考訳（メタデータ） (2026-01-11T15:56:37Z)
• Toward Uncertainty-Aware and Generalizable Neural Decoding for Quantum LDPC Codes [0.9453554184019106]
  量子誤り訂正(QEC)はスケーラブルな量子コンピューティングに不可欠である。 我々は,ドット生成物とマルチヘッドの両方に注意を集中させるベイズグラフニューラルデコーダである textbfQuBA を提案する。 textbfSAGU textbf(Sequential Aggregate Generalization under Uncertainty)は、ドメイン間の堅牢性を向上したマルチコードトレーニングフレームワークである。
  論文  参考訳（メタデータ） (2025-10-05T01:08:39Z)
• Fooling the Decoder: An Adversarial Attack on Quantum Error Correction [49.48516314472825]
  本研究では,基本的なRL曲面符号デコーダ(DeepQ)を目標とし,量子誤り訂正に対する最初の逆攻撃を生成する。 メモリ実験における論理量子ビット寿命を最大5桁まで短縮する攻撃を実証する。 この攻撃は、機械学習ベースのQECの感受性を強調し、堅牢なQEC手法に関するさらなる研究の重要性を強調している。
  論文  参考訳（メタデータ） (2025-04-28T10:10:05Z)
• Friendly Attacks to Improve Channel Coding Reliability [0.33993877661368754]
  フレンドリーアタック」は、エラー訂正チャネルコードの性能を向上させることを目的としている。 敵攻撃の概念に触発された本手法は,ニューラルネットワーク入力にわずかな摂動を導入するという考え方を活用する。 提案手法は,異なるチャネル,変調,コード,デコーダ間の信頼性を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-01-25T13:46:21Z)
• Rethinking PGD Attack: Is Sign Function Necessary? [131.6894310945647]
  本稿では,このような手話に基づく更新アルゴリズムが段階的攻撃性能にどのように影響するかを理論的に分析する。 本稿では,手話の使用を排除したRGDアルゴリズムを提案する。 提案したRGDアルゴリズムの有効性は実験で広く実証されている。
  論文  参考訳（メタデータ） (2023-12-03T02:26:58Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Denoising Diffusion Error Correction Codes [92.10654749898927]
  近年、ニューラルデコーダは古典的デコーダ技術に対する優位性を実証している。 最近の最先端のニューラルデコーダは複雑で、多くのレガシデコーダの重要な反復的スキームが欠如している。 本稿では,任意のブロック長の線形符号のソフトデコードにデノナイズ拡散モデルを適用することを提案する。
  論文  参考訳（メタデータ） (2022-09-16T11:00:50Z)
• Interpreting Neural Min-Sum Decoders [7.012710335689297]
  学習した重みと、基礎となるコード構造との関係について、洞察を提供する。 重み付けはコード内の短いサイクルの分布に大きく影響されていることを示す。 重みを学習した復号器は、重みを解析的に最適化した復号器よりも信頼性が高いことを示す。
  論文  参考訳（メタデータ） (2022-05-21T22:04:28Z)

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。