[논문 리뷰] Real-time Over-the-air Adversarial Perturbations for Digital Communications using Deep Neural Networks

Roman Sandler, Peter K. Relich외 2명|arXiv (Cornell University)|2022. 02. 20.

Wireless Signal Modulation Classification인용 수 4

한 줄 요약

이 논문은 딥 뉴럴 네트워크(DNN)를 사용하여 디지털 통신에서 실시간, 실외 공기 중 악성 교란을 제안하며, DNN 기반 신호 분류기의 공격을 회피하는 물리 계층 공격을 가능하게 한다. 실시간으로 계산 가능한 클래스별, 샘플에 독립적인 교란을 생성함으로써, 원래 송신기를 수정하지 않고도 실시간 소프트웨어 정의 신호 처리(SDR) 실험에서 DNN 분류기의 정확도를 떨어뜨리는 데 성공하여, DNN을 사용하는 RF 시스템에 대한 실용적 가능성을 입증한다.

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.

연구 동기 및 목표

• 이론적 RF 악성 공격와 실제 구현 간 격차를 해소하기 위해 실시간, 실외 공기 중 악성 교란을 가능하게 하기 위해.
• 다양한 신호에서 일관된 효과를 보장하기 위해 클래스별, 샘플에 독립적인 악성 교란을 설계하기 위해.
• 악성 교란 신호를 합법 통신 장치의 외부에서 발생시켜 실용적인 물리 계층 공격를 가능하게 하기 위해.
• 물리적 무선 채널을 통해 소프트웨어 정의 신호 처리(SDR)를 사용하여 실제 환경 조건에서 방법을 검증하기 위해.
• 실제 채널 손상과 시간 불변 신호 특성에도 공격가 효과적인지 확인하기 위해.

제안 방법

• 저자들은 DNN의 잘못 분류 손실을 최대화하면서 신호 왜곡을 최소화하는 유연한 최적화 과정을 사용하여 클래스별, 샘플에 독립적인 악성 교란을 설계한다.
• 경량 신경망 아키텍처를 훈련시켜 효율적으로 악성 신호를 생성할 수 있도록 실시간으로 교란을 계산한다.
• 소프트웨어 정의 신호 처리(SDR)를 사용하여 물리 계층 전송 모델을 구현하여 악성 신호의 실외 배포를 가능하게 한다.
• 입력 신호 샘플과 무관하게 각 변조 클래스별로 고정된 교란 패턴을 사용함으로써 시간 불변성을 확보한다.
• 악성 신호는 송신기 측면에 주입되지만, 별도의 소스에서 유래하므로 원래 통신 장치의 물리 계층을 수정하지 않고도 공격를 실행할 수 있다.
• 실제 무선 환경에서 평가하여 실제 전파 조건 하에서 DNN 분류기 정확도 저하를 측정한다.

실험 결과

연구 질문

• RQ1 SDR를 사용하여 실시간으로 악성 교란을 생성하고 실외로 적용하여 DNN 기반 RF 신호 분류기를 속일 수 있는가?
• RQ2 전파 효과와 하드웨어 제약 조건에도 불구하고 클래스별, 샘플에 독립적인 악성 교란이 실제 물리 채널에서 효과적인가?
• RQ3 악성 신호를 합법 송신기 외부의 소스에서 방출하여 물리 계층 액세스 없이 실용적인 공격를 수행할 수 있는가?
• RQ4 다중 경로 fading과 노이즈와 같은 실제 채널 손상 조건에서 악성 공격 성능은 어떻게 저하되는가?
• RQ5 실제 무선 환경에서 다양한 변조 방식과 DNN 분류기 아키텍처에 대해 공격가 강건한가?

주요 결과

• 제안된 악성 교란은 실시간 실외 실험에서 DNN 분류기 정확도를 크게 떨어뜨려, 정상 분류율을 95% 이상에서 15% 이하로 감소시켰다.
• 공격는 QPSK, 16-QAM 등 여러 변조 유형에서 효과적이었으며, 다중 경로와 추가 노이즈와 같은 실제 채널 효과에도 강건하였다.
• 실시간 실행 가능성이 입증되었으며, 교란 생성 및 전송이 실시간 통신 시스템의 지연 제약 조건 내에서 이루어졌다.
• 악성 신호는 외부 소스에서 성공적으로 전송되어, 공격가 원래 송신기의 물리 계층에 액세스할 필요가 없음을 확인했다.
• 시간 불변성과 클래스별 특성 덕분에, 각 전송마다 재계산 없이 다양한 신호 샘플에서 일관된 성능을 보였다.
• 결과적으로, DNN 기반 신호 처리에 대한 실질적 보안 위험을 드러내며, 실 RF 환경에서의 악성 공격 실현 가능성을 입증했다.