論文の概要: On the Adversarial Vulnerability of Neural Receivers with Unrolled LDPC Decoders

• arxiv url: http://arxiv.org/abs/2610.30345v1
• Date: Wed, 21 Oct 2026 19:05:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.111094
• Title: On the Adversarial Vulnerability of Neural Receivers with Unrolled LDPC Decoders
• Title（参考訳）: LDPCデコーダ付きニューラルレシーバの逆脆弱性について
• Abstract要約: 本研究は, 標準勾配に基づくエンドツーエンド攻撃は, 一致したガウス摂動を著しく上回らないことを示す。 攻撃効果を回復する2つの構造独立な損失関数を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Neural receivers for 5G New Radio (NR) match classical model-based receivers in link-level performance, but their robustness to adversarial perturbations at the receiver input remains underexplored. We show that standard gradient-based attacks applied end-to-end through an unrolled low-density parity-check (LDPC) decoder fail to significantly outperform a matched-power Gaussian perturbation. We identify the failure as gradient masking caused by tanh saturation in the boxplus operation of the belief-propagation (BP) check-node update, with a per-iteration gradient norm decay of more than four orders of magnitude across ten unrolled BP iterations. Based on this finding, we propose two structurally independent loss functions that restore attack efficacy. L_BP routes the gradient through the unsaturated early iterations via per-iteration supervision, while L_LLR is a margin loss on pre-decoder log-likelihood ratios (LLRs) whose gradient bypasses the LDPC decoder entirely. Both loss functions increase the block-error rate (BLER) by one to four orders of magnitude at matched perturbation power, with the results reproduced on both the Sionna NeuralReceiver and DeepRx. At low PSR, L_LLR-optimized perturbations achieve up to three orders of magnitude higher BLER on unseen channel realizations than LBP-optimized perturbations.
• Abstract（参考訳）: 5Gニューラジオ(NR)のニューラルレシーバーは、リンクレベルの性能において古典的なモデルベースレシーバーと一致するが、レシーバー入力における敵の摂動に対するロバスト性は未定である。 低密度パリティチェック(LDPC)デコーダによる標準勾配に基づく攻撃は、一致したガウスの摂動を著しく上回りません。 BPチェックノード更新のボックスプラス操作におけるタンサチュレーションによる勾配マスキングの故障を,10回のBPイテレーションで4桁以上の勾配ノルム崩壊が生じた。 そこで本研究では,攻撃効率を回復する2つの構造独立損失関数を提案する。 一方L_LLRはLDPCデコーダを完全にバイパスするプリデコーダ対数類似比(LLR)のマージン損失である。 どちらの損失関数も、一致する摂動力でブロックエラー率(BLER)を1～4桁増加させ、Sionna Neural ReceiverとDeepRxで再現する。 低PSRでは、L_LLR最適化摂動はLBP最適化摂動よりも最大3桁高いBLERが得られる。

関連論文リスト

• TwinViT-DeepJSCC: Adversarially Robust Semantic Image Communication [16.251239119986348]
  学習に基づくセマンティックコミュニケーションは、セマンティックエンコーディングや無線チャネルよりも先に導入された敵の摂動に対して脆弱である。 本稿では,固定チャネル利用予算の下で動作する予防的補正型セマンティックイメージトランシーバであるTwinViT-DeepJSCCを提案する。 TwinViT-DeepJSCCはチャネル利用と攻撃の予算が一致し、最大信号対雑音比(PSNR)は約9.5dBに達する。
  論文  参考訳（メタデータ） (2026-10-06T15:57:08Z)
• Deep Learning for Joint Narrowband Interference Cancellation and Soft Demodulation in OFDM Systems [3.1567687557500297]
  狭帯域干渉(NBI)は周波数分割多重化(OFDM)システムを著しく劣化させる。 我々は統合型ディープラーニングフレームワークを用いて、NBIキャンセルと堅牢なソフト復調を行う。
  論文  参考訳（メタデータ） (2026-07-09T17:26:43Z)
• SATB-VR: Training Few-Step Video Restoration Diffusion Model using SNR-Aware Trajectory Blending [55.764018145256216]
  本稿では,補助予測器を介してデノナイジングプロセスを開始する数ステップのパラダイムであるSATB-VRを提案する。 我々は,SATB-VRが,合成,実世界,AIGCベンチマークにおける既存のアプローチに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2026-06-27T01:32:16Z)
• Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
  遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
  論文  参考訳（メタデータ） (2026-05-29T19:34:39Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Generalizing GNNs with Tokenized Mixture of Experts [75.8310720413187]
  安定性の向上には,変化に敏感な特徴への依存を低減し,既約最悪の一般化フロアを残す必要があることを示す。 本研究では,STEM-GNNを提案する。STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN,STEM-GNN。 9つのノード、リンク、グラフのベンチマークで、STEM-GNNはより強力な3方向バランスを実現し、クリアグラフ上での競争力を維持しながら、次数/ホモフィリーシフトや特徴/エッジの破損に対する堅牢性を改善している。
  論文  参考訳（メタデータ） (2026-02-09T22:48:30Z)
• DiffPR: Diffusion-Based Phase Reconstruction via Frequency-Decoupled Learning [4.560284382063488]
  オフアクシス定量的位相イメージング(QPI)に深層学習を適用する場合、過平滑化は持続的な問題である。 この問題をスペクトルバイアスに追従し、ハイレベルなスキップ接続によってバイアスが強化されていることを示す。 2段階の周波数分離フレームワークであるDiffPRを紹介する。
  論文  参考訳（メタデータ） (2025-06-12T17:08:45Z)
• SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
  近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。 既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。 逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
  論文  参考訳（メタデータ） (2025-03-16T12:32:11Z)
• Weak Alignment Supervision from Hybrid Model Improves End-to-end ASR [5.2823268671093775]
  我々は、音声認識のエンドツーエンドモデリングを支援するために、既存のハイブリッドシステムから弱いアライメントの監督を作成する。 次に、導出したアライメントを用いてエンコーダの特定の層にクロスエントロピー損失を生成する。 一般的な1ホットクロスエントロピー損失とは対照的に,ラベル平滑化パラメータを持つクロスエントロピー損失を用いて監督を規則化する。
  論文  参考訳（メタデータ） (2023-11-24T20:14:28Z)
• Syndrome-Enabled Unsupervised Learning for Neural Network-Based Polar Decoder and Jointly Optimized Blind Equalizer [8.096888407235884]
  受信機における教師なし学習を容易にするために,2つの修正されたシンドローム損失を提案する。 まず、ニューラルネットワークに基づく信念伝播(BP)極復号器に適用する。 BPデコーダは、CRC対応症候群の損失を補うことで、従来の教師あり学習方法よりもブロックエラー率の方が優れている。
  論文  参考訳（メタデータ） (2020-01-06T07:24:00Z)

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。