核心概念
Magmaw是一種新的無線攻擊框架,能夠生成通用對抗性擾動(UAP)來破壞基於機器學習的多模態無線通訊系統,並影響下游應用程序的性能。
摘要
本文提出了Magmaw,這是一種新的無線攻擊框架,可以針對基於機器學習的多模態無線通訊系統生成通用對抗性擾動(UAP)。Magmaw具有以下特點:
模態不可知:Magmaw能夠處理來自不同模態(如圖像、視頻、語音和文本)的輸入,而不需要知道具體的模態。
協議不可知:Magmaw能夠生成適用於各種無線協議(如調制、編碼率和OFDM)的UAP,而不需要知道具體的協議。
同步不可知:Magmaw能夠生成在時間和頻率偏移下仍然有效的UAP,無需與合法發送者或接收者同步。
抗適應性防禦:Magmaw生成的UAP具有多樣性和可變性,能夠抵抗基於檢測的適應性防禦。
Magmaw採用集成學習方法,在一組代理JSCC模型上訓練UAP生成器模型(PGM)。PGM能夠生成通用的、實現可行的UAP信號,即使不知道目標系統的具體細節。Magmaw還引入了一些轉換函數,如符號擴展、符號洗牌、時間和頻率旋轉,以及功率歸一化,使生成的UAP具有良好的泛化性和隱蔽性。
實驗結果表明,Magmaw能夠顯著降低圖像、視頻和文本傳輸的質量,並嚴重影響下游任務的性能,如視頻分類和音視頻事件識別。此外,Magmaw在加密通信和基於信道調制的機器學習模型上也表現出良好的攻擊效果。
統計資料
對於圖像傳輸,Magmaw最多可降低PSNR 8.04dB。
對於視頻傳輸,Magmaw最多可降低PSNR 8.29dB。
對於語音傳輸,Magmaw可使MSE增加高達3.91倍。
對於文本傳輸,Magmaw可使BLEU分數降低至0.338。
Magmaw在下游任務上的攻擊成功率最高可達91.2%。
引述
"Magmaw是一種新的無線攻擊框架,能夠生成通用對抗性擾動(UAP)來破壞基於機器學習的多模態無線通訊系統,並影響下游應用程序的性能。"
"Magmaw採用集成學習方法,在一組代理JSCC模型上訓練UAP生成器模型(PGM),能夠生成通用的、實現可行的UAP信號,即使不知道目標系統的具體細節。"