[論文レビュー] Real-time Over-the-air Adversarial Perturbations for Digital Communications using Deep Neural Networks

Roman Sandler, Peter K. Relich+2 more|arXiv (Cornell University)|Feb 20, 2022

Wireless Signal Modulation Classification被引用数 4

ひとこと要約

本稿では、深層ニューラルネットワーク（DNN）を用いて、リアルタイムかつ空中（over-the-air）の敵対的摂動を提案し、DNNに基づく信号分類器を回避する物理層攻撃を可能にする。計算的にリアルタイムで実行可能なクラス固有でサンプルに依存しない摂動を生成することで、元の送信機を変更せずに実際のSDR実験においてDNN分類器の精度を著しく低下させることに成功し、DNNを用いたRFシステムに対する実用的実現可能性を示している。

ABSTRACT

Deep neural networks (DNNs) are increasingly being used in a variety of traditional radiofrequency (RF) problems. Previous work has shown that while DNN classifiers are typically more accurate than traditional signal processing algorithms, they are vulnerable to intentionally crafted adversarial perturbations which can deceive the DNN classifiers and significantly reduce their accuracy. Such intentional adversarial perturbations can be used by RF communications systems to avoid reactive-jammers and interception systems which rely on DNN classifiers to identify their target modulation scheme. While previous research on RF adversarial perturbations has established the theoretical feasibility of such attacks using simulation studies, critical questions concerning real-world implementation and viability remain unanswered. This work attempts to bridge this gap by defining class-specific and sample-independent adversarial perturbations which are shown to be effective yet computationally feasible in real-time and time-invariant. We demonstrate the effectiveness of these attacks over-the-air across a physical channel using software-defined radios (SDRs). Finally, we demonstrate that these adversarial perturbations can be emitted from a source other than the communications device, making these attacks practical for devices that cannot manipulate their transmitted signals at the physical layer.

研究の動機と目的

• 理論的なRF敵対的攻撃と実世界での展開の間のギャップを埋めるために、リアルタイムかつ空中（over-the-air）の敵対的摂動を可能にすること。
• クラス固有でサンプルに依存しない摂動を設計し、多様な信号に対して一貫した効果を発揮すること。
• このような摂動が、正当な通信装置の外部から生成され、送信可能であることを示し、物理層攻撃の実用的実現を可能にすること。
• 物理的な無線チャネルを通じて、ソフトウェア定義無線（SDRs）を用いて現実の環境条件下で手法を検証すること。
• 時間不変の信号特性や実世界のチャネル劣化要因に対しても攻撃が有効であることを示すこと。

提案手法

• 著者らは、DNNの誤分類損失を最大化し、信号歪みを最小化する微分可能最適化プロセスを用いて、クラス固有でサンプルに依存しない敵対的摂動を設計した。
• 軽量なニューラルネットワークアーキテクチャを訓練し、効率的に敵対的信号を生成するため、リアルタイムで摂動を計算した。
• ソフトウェア定義無線（SDRs）を用いて物理層送信モデルを実装し、敵対的信号の空中（over-the-air）配備を可能にした。
• 入力信号サンプルとは無関係に、各変調クラスごとに固定された摂動パターンを用いることで、時間不変性を確保した。
• 敵対的信号は送信側に挿入されるが、元の通信装置とは別個のソースから生成されるため、物理層にアクセスせずに攻撃を実行可能である。
• 実際の無線環境で評価を行い、実際の伝搬条件下でのDNN分類器の精度低下を測定した。

実験結果

リサーチクエスチョン

• RQ1 SDRを用いてリアルタイムで敵対的摂動を生成し、空中（over-the-air）に適用することで、DNNベースのRF信号分類器をだますことは可能か？
• RQ2 伝搬効果やハードウェア制約が存在する現実の物理チャネルでも、クラス固有でサンプルに依存しない敵対的摂動は有効か？
• RQ3 正当な送信機とは別個の外部ソースから敵対的信号を送信可能か？これにより、物理層へのアクセスなしに実用的攻撃が可能か？
• RQ4 マルチパスフェージングやノイズといった現実のチャネル劣化要因がある条件下で、敵対的攻撃の性能はどの程度低下するか？
• RQ5 異なる変調方式やDNN分類器アーキテクチャに対し、ライブ無線環境で攻撃は頑健か？

主な発見

• 提案された敵対的摂動により、リアルタイムかつ空中（over-the-air）実験でDNN分類器の正しく分類される率が95％以上から15％未満まで著しく低下した。
• 攻撃は複数の変調タイプ（例：QPSK、16-QAM）に対して有効であり、マルチパスフェージングや加法性ノイズといった現実のチャネル劣化要因に対しても頑健であった。
• 摂動生成と送信が通信システムの遅延制約内に収まり、リアルタイム実現可能性が確認された。
• 外部ソースから敵対的信号が正常に送信されたため、元の送信機の物理層にアクセスする必要がないことが確認された。
• 時間不変でクラス固有の摂動特性により、各送信毎に再計算なしに多様な信号サンプルに対して一貫した性能を発揮した。
• 結果として、DNNベースの信号処理を用いた通信分野における敵対的攻撃の実用的実現が裏付けられ、重要なセキュリティリスクを浮き彫りにした。