大规模 MIMO 系统中神经网络功率分配的通用对抗攻击

MMOct, 2021

大规模 MIMO 系统中神经网络功率分配的通用对抗攻击

Universal Adversarial Attacks on Neural Networks for Power Allocation in a Massive MIMO System

Pablo Millán Santos, B. R. Manoj, Meysam Sadeghi, Erik G. Larsson

TL;DR本文研究了基于 DL 的模型在无线系统下行功率分配问题中的回归应用，并提出了通用对抗扰动（UAP）制造方法作为白盒和黑盒攻击。通过对 UAP 的性能测试，展示了其白盒和黑盒攻击成功率分别可以达到 60％和 40％。提出的 UAP 攻击方法与传统的白盒攻击相比更具实用性和现实性。

Abstract

deep learning (DL) architectures have been successfully used in many applications including wireless systems. However, they have been shown to be susceptible to adversarial attacks. We analyze DL-based models for

deep learning adversarial attacks regression power allocation massive multiple-input-multiple-output systems

发现论文，激发创造

基于深度学习的 Massive MIMO 网络功率分配的对抗性攻击

本文研究了深度学习在无线通信系统中应用的安全性问题，使用快速梯度符号法、动量迭代快速梯度符号法和方向性梯度下降法攻击了大规模多输入多输出系统中功率分配的神经网络，发现在神经网络输入的微小扰动下能使白盒攻击的收益率达到 86%。

Jan, 2021

基于深度学习的大规模 MIMO 下行功率分配：对抗攻击和训练

本文主要研究深度学习在无线系统应用中的安全问题，重点探讨了对回归问题的攻击和防御机制，研究对象为多个输入输出系统下行链路的功率分配问题，从白盒和黑盒的攻击角度构建了对抗性扰动攻击，进一步分析了深度神经网络的鲁棒性以及通过对抗训练提高深度学习模型的对抗性能。

Jun, 2022

针对基于深度学习的无线通信功率控制的对抗攻击

本论文研究基于对手机器学习的对功率分配的攻击，其中基站通过使用深度神经网络（DNN）将其传输功率分配给多个正交子载波来为多个用户设备（UE）提供服务。训练相应于回归模型的 DNN 以通道增益为输入并返回传输功率作为输出。研究了对单个 UE 或所有 UE 进行的攻击，并与基准进行比较，表明对手攻击在减少通信速率方面比基准攻击更有效。

Sep, 2021

基于深度学习的无线电信号分类的对抗攻击

本文研究了深度学习在无线电信号分类中的应用和安全性问题，通过白盒和黑盒对抗攻击使模型分类性能显著下降，与传统的干扰攻击相比，这些攻击更加强大。

Aug, 2018

分布式 MIMO 网络中针对 AI 驱动功率分配的实际对抗攻击

本文探讨在分布式多输入多输出网络中，通过神经网络进行最大功率最小化公平性控制，发现 AI 技术对抗性攻击的风险高于传统攻击，并提出了智能防御技术。

Jan, 2023

通用对抗攻击综述

本研究总结了最近在通用对抗攻击领域里取得的进展，讨论了攻击和防御方面的挑战以及通用对抗攻击存在的原因，旨在成为一项动态研究，不定期更新其内容，包括图像、音频、视频和文本等多个领域，欢迎该领域的作者联系我们，以纳入您的新发现。

Mar, 2021

通用对抗扰动：一次调查

本文研究深度学习中的普适性对抗扰动，探讨相关的数据驱动和数据无关的生成方法及防御技术，并讨论了普适性对抗扰动在各项深度学习任务中的应用。