論文の概要: Evolutionary-based Transfer Learning for Physical Attack on End-to-End Autoencoder Communications
- arxiv url: http://arxiv.org/abs/2611.17393v1
- Date: Thu, 12 Nov 2026 14:38:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.239906
- Title: Evolutionary-based Transfer Learning for Physical Attack on End-to-End Autoencoder Communications
- Title(参考訳): 進化型トランスファー学習によるエンド・ツー・エンドオートエンコーダ通信の物理的攻撃
- Abstract要約: 本稿では、進化的アルゴリズムの応用を利用して、エンドツーエンドのオートエンコーダ通信に対する物理的攻撃を発生させるという挑戦的な最適化問題を解く。
ホワイトボックスのシナリオでは、遺伝的アルゴリズムとエリート集団を組み合わせたPAGAを導入し、オートエンコーダの性能を低下させる攻撃信号を作成します。
実験により,提案した攻撃は,検討されたオートエンコーダ通信システムの信頼性を著しく低下させることができることが示された。
- 参考スコア(独自算出の注目度): 15.424178814646872
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: End-to-end autoencoder communication has emerged as a promising means of achieving efficient data transmission across various domains. Nevertheless, vulnerabilities have recently been revealed in these systems by adversarial attacks, wherein malevolent entities manipulate the transmitted signals to deceive the autoencoder. This paper leverages the applications of evolutionary algorithms to solve a challenging optimization problem of launching physical attacks against end-to-end autoencoder communication. For white-box scenarios, we introduce PAGA (Physical Attack based on Genetic Algorithm), which combines a genetic algorithm with elite population initialization to craft attack signals that degrade autoencoder performance. To gauge the efficacy of these attack signals, we employ a fitness function that assesses their capacity to induce substantial reconstruction errors and misclassification rates. A Multi-Factorial version of PAGA, referred to as PAMFGA, is proposed to deal with practical scenarios where the attackers have limited knowledge about the receiver, also known as a black-box attack. Our experimental results show that the proposed attacks can substantially degrade the reliability of the considered autoencoder communication systems across the evaluated settings. This study also underscores the critical importance of incorporating security considerations into the design and implementation of end-to-end autoencoder communication systems.
- Abstract(参考訳): エンド・ツー・エンドのオートエンコーダ通信は、様々な領域にまたがる効率的なデータ伝送を実現するための有望な手段として登場した。
それにもかかわらず、最近これらのシステムでは、敵対的な攻撃によって脆弱性が明らかにされており、そこでは、悪意あるエンティティが送信された信号を操作してオートエンコーダを騙す。
本稿では、進化的アルゴリズムの応用を活用し、エンド・ツー・エンドのオートエンコーダ通信に対する物理的攻撃を発生させるという挑戦的な最適化問題を解く。
ホワイトボックスのシナリオでは,遺伝的アルゴリズムとエリート集団の初期化を組み合わせたPAGA(Physical Attack Based Genetic Algorithm)を導入し,オートエンコーダの性能を低下させる攻撃信号を作成する。
これらの攻撃信号の有効性を評価するために、我々は、その能力を評価して、相当な復元誤りや誤分類率を誘発する適合度関数を用いる。
PAMFGAと呼ばれるPAGAのマルチファクトリーバージョンは、攻撃者が受信機(ブラックボックス攻撃とも呼ばれる)について限られた知識を持つ現実的なシナリオを扱うために提案されている。
実験結果から,提案した攻撃は,評価設定全体にわたって検討されたオートエンコーダ通信システムの信頼性を著しく低下させることができることがわかった。
本研究は,エンド・ツー・エンドのオートエンコーダ通信システムの設計と実装にセキュリティ上の配慮を取り入れることの重要性も強調する。
関連論文リスト
- Replicating the Signature: Unsupervised Targeted Impersonation Attack on RF Fingerprinting [3.065243326333468]
本稿では,RFフィンガープリント(RFFP)識別システムを,対象装置のハードウェア固有の障害を再現する信号を合成することによって,偽装攻撃の枠組みを提案する。
我々のフレームワークは教師なし学習を活用して正確な障害推定を可能にし、信号処理に基づく生成と組み合わせて高忠実度対向信号の合成を行う。
論文 参考訳(メタデータ) (2026-07-06T18:33:57Z) - Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす
リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。
我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
論文 参考訳(メタデータ) (2026-01-06T10:30:41Z) - From One Attack Domain to Another: Contrastive Transfer Learning with Siamese Networks for APT Detection [1.102914654802229]
Advanced Persistent Threats (APT) はそのステルス、永続性、適応性のために大きなサイバーセキュリティ上の課題を引き起こしている。
従来の機械学習検出器は、クラス不均衡、高次元の特徴、そして希少な現実世界の痕跡に苦しむ。
本稿では、トランスファーラーニング、説明可能なAI(XAI)、コントラストラーニング、およびシームズネットワークを統合し、クロスドメインの一般化を改善するハイブリッドトランスファーフレームワークを提案する。
論文 参考訳(メタデータ) (2025-11-25T17:07:41Z) - 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) - Generative AI-aided Joint Training-free Secure Semantic Communications
via Multi-modal Prompts [89.04751776308656]
本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。
セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
論文 参考訳(メタデータ) (2023-09-05T23:24:56Z) - Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial
Attacks [70.51799606279883]
セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。
再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
論文 参考訳(メタデータ) (2022-12-20T17:13:22Z) - The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。
敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
論文 参考訳(メタデータ) (2021-06-26T10:50:07Z) - Effects of Forward Error Correction on Communications Aware Evasion
Attacks [2.750124853532831]
近年,コミュニケーションを意識した攻撃フレームワークが開発され,回避と意図したコミュニケーションのバランスがより効果的になった。
この研究は、FECコードの使用に関する固有の知識を伝達信号に組み込むために、損失関数の改善と設計上の考慮を通じてフレームワークへのコントリビューションを提供する。
論文 参考訳(メタデータ) (2020-05-27T01:58:26Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳(メタデータ) (2020-01-13T13:54:36Z)
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。