A Neural Rejection System Against Universal Adversarial Perturbations in Radio Signal Classification

要約

近年の無線信号分類について、従来の方法よりも深い学習の利点が実証されています。
しかし、さまざまな研究者は、敵の例として知られる小規模だが意図的な特徴でさえ、深い学習ベースの無線信号分類のパフォーマンスを大幅に悪化させる可能性があることを発見しました。
さまざまな種類の敵対的な例の中で、普遍的な敵対的な摂動は、データが独立しているという特徴のためにかなりの注目を集めており、したがって、高い成功率で無線信号分類を欺くための実用的な戦略として。
したがって、このホワイトペーパーでは、普遍的な敵対的摂動に対して提案するために神経拒絶システムと呼ばれる防御システムを調査し、ホワイトボックスの普遍的な敵対的摂動を生成することによりそのパフォーマンスを評価します。
提案された神経拒絶システムは、無防備な深い神経ネットワークよりも大幅に高い精度で普遍的な敵対的摂動を擁護できることを示しています。

要約(オリジナル)

Advantages of deep learning over traditional methods have been demonstrated for radio signal classification in the recent years. However, various researchers have discovered that even a small but intentional feature perturbation known as adversarial examples can significantly deteriorate the performance of the deep learning based radio signal classification. Among various kinds of adversarial examples, universal adversarial perturbation has gained considerable attention due to its feature of being data independent, hence as a practical strategy to fool the radio signal classification with a high success rate. Therefore, in this paper, we investigate a defense system called neural rejection system to propose against universal adversarial perturbations, and evaluate its performance by generating white-box universal adversarial perturbations. We show that the proposed neural rejection system is able to defend universal adversarial perturbations with significantly higher accuracy than the undefended deep neural network.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google