[論文レビュー] Adversarial Attack on DL-based Massive MIMO CSI Feedback

Qing Liu, Jiajia Guo+2 more|arXiv (Cornell University)|Feb 23, 2020

Wireless Signal Modulation Classification参考文献 11被引用数 7

ひとこと要約

本稿は、マスティブ MIMO システムにおけるディープラーニングベースの CSI フィードバックに対する adversarial 攻撃を調査し、特にチャネル状態情報の圧縮および再構築を目的としたニューラルネットワークである CsiNet を対象としている。白箱攻撃を提案し、再構築精度を著しく低下させることを示している。訓練時にノイズ環境下にあっても、低出力の摂動によってモデルが破壊され得ることを示しており、ディープラーニングベースの物理層設計における深刻なセキュリティ上の脆弱性を明らかにしている。

ABSTRACT

With the increasing application of deep learning (DL) algorithms in wireless communications, the physical layer faces new challenges caused by adversarial attack. Such attack has significantly affected the neural network in computer vision. We chose DL-based analog channel state information (CSI) to show the effect of adversarial attack on DL-based communication system. We present a practical method to craft white-box adversarial attack on DL-based CSI feedback process. Our simulation results showed the destructive effect adversarial attack caused on DL-based CSI feedback by analyzing the performance of normalized mean square error. We also launched a jamming attack for comparison and found that the jamming attack could be prevented with certain precautions. As DL algorithm becomes the trend in developing wireless communication, this work raises concerns regarding the security in the use of DL-based algorithms.

研究の動機と目的

• ディープラーニングベースの CSI フィードバックシステム、特に CsiNet がマスティブ MIMO システムにおいて adversarial 攻撃に対してどれほど脆弱であるかを調査すること。
• 従来のジャミング攻撃と比較して、adversarial 攻撃が CSI フィードバック性能に与える影響を評価すること。
• 加法性ホワイトガウスノイズ (AWGN) で訓練することで、adversarial パーティクルに対する耐性が向上するかどうかを評価すること。
• 圧縮レートおよびチャネル環境（屋内 vs 屋外）が CsiNet の adversarial な耐性に与える影響を分析すること。

提案手法

• 再構築タスクに適応した、高速勾配符号法 (FGSM) を基盤とする白箱攻撃を設計した。
• 受信機における正規化平均二乗誤差 (NMSE) を最大化するように、入力 CSI 行列に小さなターゲット化された摂動を生成した。
• CsiNet を 10 dB および 20 dB SNR の AWGN チャネルで再訓練し、ガウスノイズおよび adversarial 攻撃に対する耐性を評価した。
• 圧縮レート（1/4、1/16、1/32）およびチャネル環境（屋内および屋外）を変更して、耐性を評価する実験を実施した。
• adversarial 攻撃およびジャミング攻撃の下で、再構築された CSI 行列と元の CSI 行列との間の NMSE を用いて性能を評価した。
• 信号対摂動比 (ISR) を変化させながら、攻撃をジャミングと比較した。複数の SNR 値および環境条件で結果を分析した。

実験結果

リサーチクエスチョン

• RQ1 従来のジャミングと比較して、白箱攻撃が CsiNet のような DL ベースの CSI フィードバックシステムの性能をどれほど著しく低下させるか。
• RQ2 CsiNet を AWGN 環境で訓練することで、adversarial パーティクルに対する耐性が向上するか。
• RQ3 CsiNet の圧縮レートを低くすることで、adversarial 攻撃に対する耐性が向上するか。
• RQ4 無線環境の複雑さ（屋内対屋外 CSI）が、CsiNet に対する adversarial 攻撃の成功に与える影響は何か。

主な発見

• adversarial 攻撃はジャミング攻撃よりも顕著に NMSE の低下を引き起こし、ISR が -30 dB のとき、20 dB SNR で NMSE が 14.03 dB 増加した。
• AWGN で訓練した後でも、CsiNet は adversarial 攻撃に対して極めて脆弱であり、10 dB および 20 dB SNR でそれぞれ NMSE が 8.94 dB および 14.03 dB 増加した。
• 圧縮レートを低くした CsiNet（例：1/32）は adversarial 攻撃に対してより優れた耐性を示し、攻撃下でもベースライン NMSE に素早く回復した。
• 屋外 CSI で訓練したモデルは屋内モデルよりも adversarial 攻撃の影響をより深刻に受けており、複雑な伝搬環境での脆弱性が顕著に現れた。
• ジャミング攻撃は ISR が低い値では効果が薄いが、adversarial 攻撃は摂動の出力が低くても高い破壊的影響を維持した。
• 本研究では、adversarial 攻撃が従来のジャミングよりも持続的かつ深刻な脅威であることが確認された。特に、現実世界の複雑なチャネル環境下で顕著に顕在した。