.png){kind=icon}
返回
Multi-Oriented Open Set Adversarial Attacks to Automatic Modulation Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/TCCN.2026.3661500.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动调制分类（AMC）在频谱监测和通信安全中发挥着关键作用。开放集识别（OSR）方法已被广泛应用于AMC任务，以应对在开放世界场景下识别已知调制类型和识别未知调制信号的挑战。然而，现有研究主要强调开放集识别的准确性，而忽视了对抗攻击可能带来的潜在安全威胁。为弥补这一差距，我们从人工智能安全的角度研究了开放电磁环境下AMC方法在对抗攻击下的安全漏洞。我们提出了两种多导向的开放集对抗攻击，包括标签导向的开放集对抗攻击（OSLoA）和特征导向的开放集对抗攻击（OSFoA）。基于OSR模型的判别机制，我们提出了OSLoA方法。该方法增加了未知信号被错误分类的置信度，使其被识别为已知类别。此外，我们引入了创新的OSFoA方法。它减少了来自未知类别的信号类激活特征与未知信号最可能被错误分类的已知类别之间的距离。结果，未知类别在特征空间中被推近已知类别，进一步增强了攻击效果。值得注意的是，在计算类激活特征时，仅保留对预测输出有正向贡献的特征。我们在公开和真实世界数据集上进行了全面的实验。结果表明，所提出的OSLoA和OSFoA方法取得了优异的性能，并进一步揭示了AMC方法对开放对抗安全威胁的脆弱性。
Keyword:
Automatic modulation classification
open set recognition
adversarial security
gradient-based adversarial attack
class activation features
期刊
I
IF:
7
论文数:
1.5K
被引数:
5.5K
机构
引用论文
Few-Shot Specific Emitter Identification Using Asymmetric Masked Auto-Encoder使用非对称掩蔽自动编码器的少量发射特定发射器识别
.png){kind=icon}
PREAI
分享收藏A Closer Look at AUROC and AUPRC under Class ImbalanceMcDermott M，Zhang H，Hansen L，Angelotti G，和Gallifant J. 对不平衡类别下auroc和auprc的深入探讨。Adv Neural Inf Process Syst. (2024) 37:44102–63. doi: 10.52202/079017-1400
PREAI
分享收藏
Integrated Sensing and Communications: Recent Advances and Ten Open Challenges综合传感和通信: 最新进展和十大开放挑战
OAAI
OAAI分享收藏
查看更多内容