Unanticipated Adversarial Robustness of Semantic Communication
Tsinghua University(清华大学);The University of Hong Kong(香港大学)
本文挑战了语义通信易受对抗扰动的普遍观点,发现其具有超越传统分离源信道编码系统的意外对抗鲁棒性,通过理论分析和实验验证其优越性。
2026-03-25 cs.IT math.IT
Secure Polar Coding for Adversarial Wiretap Channel
对抗窃听信道(AWTC)模型是一种安全的通信模型,在该模型中,对手可以直接读写合法通信中传输的比特,并具有固定的分数。在本文中,我们提出了一个安全的极化编码方案,以提供安全和可靠的AWTC模型的通信。针对对抗性读写行为,提出了一种$ρ$等效信道块,并研究了其在信道极化操作下的变换。我们发现产生的信道是极化的,在这个意义上,他们的一部分是全噪声信道的概率几乎为$1$,其余部分是无噪声信道的概率几乎为$1$。在此基础上,我们对对抗读写的等效信道块进行了编码,并通过在极化等效块上应用多块链接结构,构造了一种安全的极化编码方案。从理论上证明了当块长$N$趋于无穷大时,该方案在可靠性和强安全性准则下均达到了AWTC模型的保密能力.仿真结果表明,该方案能够在AWTC模型下提供安全可靠的通信。
2020-12-31 cs.IT math.IT
Covert Communication over Adversarially Jammed Channels
假设发射机Alice潜在地希望通过对抗性干扰的二进制信道与接收机Bob通信。一个活跃的对手詹姆斯窃听他们在二进制对称信道(BSC(q))上的通信,并可能基于他的观察恶意地翻转(高达)他们发送的比特的某个分数p。我们考虑一种通信必须同时隐蔽和可靠的设置,即,詹姆斯应该无法准确区分爱丽丝是否在通信,而鲍勃应该能够正确地恢复爱丽丝的消息,无论对抗性干扰策略如何。我们表明,与被动的对手,隐蔽通信对主动对手的设置需要爱丽丝和鲍勃有一个共享的密钥(长度至少欧米茄(log n)),即使鲍勃有一个更好的通道比詹姆斯。我们提出的信息理论上的最佳吞吐量的信道参数的函数,所需的隐蔽性水平,和可用的共享密钥的量的上下界。这些界限与广泛的感兴趣参数相匹配。我们还开发了一个计算效率高的编码方案(级联码的基础上)时,可用的共享密钥的量是$Ω(\sqrt{n} \log n)$,并进一步表明,该方案可以实现更少的共享密钥量时,假设对手是计算上有界的。
2021-06-24 cs.IT math.IT
Encrypted Semantic Communication Using Adversarial Training for Privacy Preserving
语义通信是基于共享的背景知识来实现的,但是共享机制存在隐私泄露的风险。在这封信中,我们提出了一个加密的语义通信系统(ESCS)的隐私保护,它结合了通用性和机密性。通用性体现在所提出的ESCS的所有网络模块都基于共享数据库进行训练,这适合于实际场景中的大规模部署。同时,通过对称加密来实现机密性。在对抗训练的基础上,设计了一种对抗加密训练方案,以保证加密和非加密模式下语义通信的准确性。实验结果表明,无论语义信息是否加密,采用对抗加密训练方案的ESCS都能表现良好。攻击者很难从被窃听的消息中重建出原始的语义信息。
2022-09-19 cs.CR cs.IT math.IT
Communication-Efficient Federated Learning over MIMO Multiple Access Channels
通信效率对于无线联邦学习系统是非常重要的。在本文中,我们提出了一个多输入多输出(MIMO)多址信道(MAC)上的联邦学习的通信有效的策略。拟议战略包括两个部分。当发送本地计算的梯度时,每个设备使用块稀疏化将高维局部梯度压缩为多个低维梯度向量。当经由MIMO-MAC接收到压缩局部梯度的叠加时,参数服务器(PS)执行联合MIMO检测和稀疏局部梯度恢复。受Turbo解码原理的启发,我们的联合检测和恢复算法通过迭代地交换MIMO检测和稀疏局部梯度恢复输出的信念来准确地恢复高维局部梯度。然后,我们分析了所提出的算法的重建误差及其对联邦学习的收敛速度的影响。从模拟,我们的梯度压缩和联合检测和恢复方法大大降低了通信成本,同时实现了相同的分类精度的情况下,没有任何压缩。
2022-06-12 cs.DC cs.IT math.IT
GAN-based Generator of Adversarial Attack on Intelligent End-to-End Autoencoder-based Communication System
提出一种基于GAN的对抗攻击生成器,无需目标信息即可利用深度学习模型对信道扰动的脆弱性,在AWGN、瑞利和高速铁路信道上实现优于基准方案的块错误率攻击性能。
2025-05-01 cs.IT math.IT
Byzantine Multiple Access Channels -- Part I: Reliable Communication
研究存在潜在敌对用户的多址接入信道(MAC)可靠通信问题,刻画了2用户、3用户及k用户MAC在确定性与随机化编码下的容量区域。
2023-09-11 cs.IT math.IT
Physical Adversarial Attacks Against End-to-End Autoencoder Communication Systems
Linköping University(林雪平大学)
我们表明,通过深度神经网络(DNN)自编码器进行的通信系统的端到端学习非常容易受到物理对抗攻击的攻击。具体来说,我们阐述了攻击者如何能够制定有效的物理黑盒对抗攻击。由于无线信道的开放性(广播性质),对手发射机可以通过在信道上发送精心设计的扰动信号来增加通信系统的误块率。我们发现,对抗攻击比干扰攻击更具破坏性。我们还表明,经典编码方案比自动编码器更鲁棒,可以抵御对抗性和干扰攻击。代码可在[1]中找到。
2019-02-22 cs.CR cs.IT cs.LG
Multi-Agent Adversarial Attacks for Multi-Channel Communications
Duke University(杜克大学)
近年来,强化学习(RL)已被应用于无线通信网络中的抗对抗措施。然而,从对手的角度研究基于RL的方法很少受到关注。此外,在对抗或对抗范例中基于RL的方法主要考虑单信道通信(信道选择或单信道功率控制),而多信道通信在实践中更常见。在本文中,我们提出了一个多代理对手系统(MAAS)的建模和分析对手在无线通信场景下仔细设计的奖励功能,在现实的通信场景。特别是,通过将对手建模为学习代理,我们表明,所提出的MAAS能够成功地选择传输信道及其各自的分配功率,而无需任何发送方策略的先验知识。与单智能体对抗(SAA)相比,多智能体在相同的功率约束和部分可观测性条件下,可以显著降低系统的信噪比(SINR),同时提高系统的稳定性和学习效率。此外,通过实证研究,我们表明,在模拟的结果是接近的,在现实中的通信,一个结论是关键的有效性模拟评估代理的性能。
2022-01-27 cs.IT cs.LG cs.MA
Achievable Rates of Attack Detection Strategies in Echo-Assisted Communication
我们考虑一个回声辅助通信模型,其中块编码的消息,当跨几个帧传输时,到达目的地作为多个嘈杂的副本。我们解决对抗攻击这样的模型,其中的一个子集的嘈杂的副本容易受到对手的操纵。特别是,我们研究了一个非持久性攻击模型的对手攻击50%的脆弱的副本在i.i.d.的帧。时尚.我们表明,这种对抗模型驱动目的地在每帧内本地检测攻击,从而导致由于误报和误检而导致的性能下降。我们的主要目标是通过将攻击检测策略的性能来表征这种对抗性回声辅助信道的互信息。通过引入不完美检测器,证明了由对抗性回声辅助信道和攻击检测器组成的复合信道具有记忆性,从而难以获得互信息的封闭表达式.为了避免这个问题,我们提出了一个新的框架来近似的互信息推导出充分条件的信道参数和攻击检测器的性能。最后,我们提出了两个攻击检测器,这是传统的启发,以及神经网络的想法,并表明,这些检测器提供的互信息是接近的精灵检测器的短帧长度。
2019-04-10 cs.IT math.IT
On No-Sensing Adversarial Multi-player Multi-armed Bandits with Collision Communications
University of Virginia(弗吉尼亚大学)
我们从一个新的角度研究了著名的无感知对抗多人多武装土匪(MP-MAB)问题。我们不再关注多个玩家的硬度,而是引入了一个新的硬度维度,称为攻击性。所有的对手都可以根据攻击能力进行分类,我们介绍了对抗自适应碰撞通信(A2 C2),一个家庭的算法与玩家之间的强制碰撞通信。两个攻击感知和不知情的设置进行了研究,和信息理论的Z-通道模型和纠错编码的工具来解决的挑战,隐式通信没有冲突的信息,在对抗性的环境。对于更具挑战性的攻击性不知道的问题,我们提出了一个简单的方法来估计一个新的错误检测重复码和随机通信同步启用的攻击性。理论分析证明,无论可攻击性是否已知,渐近可攻击性相关的次线性后悔都可以实现。特别是,渐近后悔没有指数依赖于玩家的数量,揭示了在这个问题中的硬度的两个维度之间的根本权衡。
2021-04-24 cs.IT cs.LG math.IT
Transmission of Spatio-Temporal Correlated Sources Over Fading Multiple Access Channels With DQLC Mappings
本文针对衰落多址信道的时空相关信源传输,扩展基于DQLC的JSCC方案,引入球形解码实现任意用户数下的最优MMSE估计并优化系统,结合非线性卡尔曼滤波利用信源时空相关性,在中高信噪比下明显优于未编码传输。
2024-01-30 cs.IT math.IT
Upper Bounds and Duality Relations of the Linear Deterministic Sum Capacity for Cellular Systems
信息论和无线通信的MAC-BC对偶性对于高效的算法设计是一个有趣的概念。然而,到目前为止,对于重要的蜂窝信道还没有概念。为了在这方面取得进展,我们认为在本文中的线性确定性蜂窝信道。特别是,我们证明了一个网络的对偶与两个干扰MAC在每个小区和一个网络与两个干扰BC在每个小区。工作区域仅限于弱干扰区。首先,将提供可实现的方案以及上限。这些界限对于两个通道是相同的。我们将证明,在特定情况下,上界对应于可实现的方案,因此建立了它们之间的对偶关系。
2014-08-21 cs.IT math.IT
Secure Distributed RIS-MIMO over Double Scattering Channels: Adversarial Attack, Defense, and SER Improvement
Department of Electrical and Computer Engineering, Sungkyunkwan University(成均馆大学电气与计算机工程系);School of Information and Communications Technology, Hanoi University of Science and Technology(河内科学技术大学信息与通信技术学院)
本文研究了分布式 RIS 辅助 MIMO 自编码器系统在双散射信道下的对抗攻击与防御,提出基于对抗训练的防御机制,有效降低系统误符号率并增强鲁棒性。
2025-11-02 cs.IT math.IT
Sufficiently Myopic Adversaries are Blind
在这项工作中,我们考虑一个通信问题,其中发送方,爱丽丝,希望与接收方,鲍勃,在一个由对抗干扰机,詹姆斯,谁是{ \em近视}控制的信道进行通信。粗略地说,对于块长度$n$,由Alice发送的码字$X^n$被James破坏,James必须使他的对抗决定(关于破坏$X^n$的哪些位置以及如何破坏它们)不是基于码字$X^n$,而是基于$Z^n$,即$X^n$通过噪声无记忆信道的图像。更具体地说,我们的通信模型可以通过两个通道来描述。从Alice到James的无记忆信道$p(z|x)$,以及从Alice到Bob的{ \it可变信道},$p(y|x,s)$由James确定的状态$X^n$管理。在标准对抗信道中,状态$S^n$可能取决于码字$X^n$,但在我们的设置中,$S^n$仅取决于James的观点$Z^n$。近视通道捕获了广泛的通道,并在无记忆和对抗(零错误)通道的标准模型之间建立了桥梁。在这项工作中,我们提出了近视通道的容量上界和下界。对于一些特殊的情况下的利益,我们表明,我们的界限是紧的。我们将我们的结果扩展到{ \em secure}通信的设置中,我们要求传输的消息对James保持秘密。例如,我们表明,如果(i)詹姆斯可以翻转爱丽丝和鲍勃之间通信的比特的最多一个$p$分数,并且(ii)詹姆斯通过具有参数$q$的二进制对称信道查看$X^n$,那么一旦詹姆斯“足够近视”,(在这种情况下…
2016-10-05 cs.IT math.IT
Adversarial Attack on DL-based Massive MIMO CSI Feedback
本文提出一种针对基于深度学习的大规模 MIMO CSI 反馈的白盒对抗攻击构造方法,并通过归一化均方误差验证其破坏性,同时对比干扰攻击,揭示 DL 通信物理层安全风险。
2020-02-23 cs.IT eess.SP math.IT
Distributed Conditional Generative Adversarial Networks (GANs) for Data-Driven Millimeter Wave Communications in UAV Networks
Virginia Tech(弗吉尼亚理工大学);University of Oulu(奥卢大学)
针对无人机无线网络中毫米波通信的特点,提出了一种基于数据驱动的空对地信道估计方法。首先,开发了一种有效的信道估计方法来收集毫米波信道信息,允许每个UAV通过条件生成对抗网络(CGAN)沿每个波束形成方向训练独立的信道模型。接下来,为了将训练的信道模型的应用场景扩展到更广泛的时空域,开发了基于分布式CGAN架构的协作框架,允许每个UAV以全分布式方式协作学习mmWave信道分布。为了保证一个有效的学习过程中,最佳的无人机网络拓扑结构,最大化学习率的合作信道建模的必要条件和充分条件,推导出的最佳CGAN学习解决方案,每个无人机的特点,基于分布式网络结构。仿真结果表明,所提出的分布式CGAN方法对每个无人机的局部训练误差具有鲁棒性。同时,更大的机载网络规模需要每个UAV更多的通信资源来保证有效的学习率。结果还表明,与不共享信息的独立CGAN和其他两种分布式CGAN方法(即多通道CGAN和联合CGAN方法)相比,所提出的分布式CGAN方法在学习环境的同时具有更高的建模精度,并且在无人机下行毫米波通信的在线性能中实现了更高的平均数据率。
2021-07-31 cs.IT cs.LG math.IT
Adversarial Learning for Implicit Semantic-Aware Communications
Peng Cheng Laboratory(鹏城实验室);Xidian University(西安电子科技大学);Pazhou Laboratory (Huangpu)(琶洲实验室(黄埔));VTT Technical Research Centre of Finland(芬兰VTT技术研究中心);University of Oulu(奥卢大学);Princeton University(普林斯顿大学)
语义通信是一种新的通信模式,其重点是识别和传递所需的消息的含义的目的地用户。这一领域的大多数现有工作都集中在提供显式的语义,标签或信号特征,可以直接从源信号中识别。在本文中,我们考虑的隐式语义通信问题,其中隐藏的关系和密切相关的语义条款,不能从源信号识别也需要交付给目的地用户。我们开发了一种新的基于对抗学习的隐式语义感知通信(iSAC)架构,其中源用户不是最大化传输到通道的信息总量,而是旨在帮助接收者学习一种推理规则,该规则可以根据有限的线索信息自动生成隐式语义。我们证明,通过应用iSAC,目标用户总是可以学习的推理规则,匹配的源消息的真实推理规则。实验结果表明,建议的iSAC可以提供高达19.69 dB的改善现有的非推理通信解决方案,在目的地用户的符号出错率。
2023-01-27 cs.IT cs.LG cs.NI
Towards Optimal Adaptive Wireless Communications in Unknown Environments
设计用于无线通信的有效信道接入方案而无需关于环境性质的任何先验知识一直是非常具有挑战性的问题,特别是当所有频谱资源的信道状态分布在不同时间和位置处可能完全或部分随机和/或对抗时。本文基于多臂强盗(MAB)问题理论,提出了一种未知环境下无线通信的自适应信道接入算法。通过自动调整两个控制参数,即,学习率和探索概率,我们的算法能够找到最佳的信道接入策略,并在我们定义的四个典型制度下,随着时间的推移,实现几乎最佳的学习性能一般未知的环境,例如,信道遵循某种未知i.i.d过程的随机机制、所有信道都受到对抗性干扰攻击的对抗机制、信道子集受到攻击的混合随机和对抗机制以及偶尔对抗性事件污染随机信道过程的污染随机机制等。为了减少实现时间和空间复杂度,我们进一步开发了一个增强的算法,通过利用内部结构的选择信道接入策略。我们在所有这些制度进行了广泛的模拟,以验证我们的理论分析。定量的性能研究表明,优越的吞吐量增益和灵活性,我们的算法在实践中,这是弹性的遗忘和自适应干扰攻击与不同的智能和任何攻击强度,范围从没有攻击的所有频谱资源的全面攻击。
2016-01-30 cs.IT cs.NI math.IT
Communication Efficient Federated Learning over Multiple Access Channels
University of Arizona(亚利桑那大学)
在这项工作中,我们研究的问题,联邦学习(FL),分布式用户的目标是共同训练的机器学习模型的帮助下,参数服务器(PS)。在FL的每次迭代中,用户计算局部梯度,然后传输量化梯度,用于PS处的后续聚合和模型更新。FL的挑战之一是由于FL的迭代性质和大的模型大小而导致的通信开销。一个最近的方向,以减轻FL中的通信瓶颈是让用户同时进行通信的多址接入信道(MAC),可能更好地利用通信资源。在本文中,我们考虑的问题FL学习的MAC。特别是,我们专注于设计的数字梯度传输方案在MAC上,在每个用户的梯度首先被量化,然后通过MAC被单独解码在PS发送。当设计MAC上的数字FL方案时,存在基于a)每个用户处的梯度的信息性和b)基础信道条件向不同用户分配不同量的资源(诸如速率或带宽)的新机会。我们提出了一种随机梯度量化方案,其中的量化参数进行了优化的基础上的容量区域的MAC。我们表明,这种信道感知量化FL优于均匀量化,特别是当用户遇到不同的信道条件,当有梯度与不同程度的信息。
2020-01-23 cs.IT cs.LG math.IT
Communications Performance Analysis of Wireless Multiple Access Channel with Specially Correlated Sources
本研究针对两用户无线多址信道,推导了特殊相关信源下的一般可达速率,并利用Copula理论分析信道系数相关性对中断概率的影响,发现负依赖结构能显著提升信道效率。
2024-12-20 cs.IT cs.SY eess.SY
Byzantine Multiple Access
我们研究多个接入信道(MAC)的用户之一可能是敌对的通信。当所有用户都是非对抗性的时,我们希望他们的消息能够被可靠地解码。当对手存在时,我们考虑两种不同的解码保证。在第一部分中,我们要求诚实用户的消息被可靠地解码。我们研究了3用户MAC; 2用户MAC容量遵循点对点AVC容量。我们描述了随机码的容量区域。我们还研究了确定性码的容量域。我们得到的必要条件,包括一个新的非对称性条件的容量区域是非平凡的。我们表明,当没有用户是对称的,随机编码容量区域也是可以实现的确定性代码。在第二部分中,我们考虑了认证通信的较弱目标,我们只要求敌对用户不能对诚实用户的消息造成未检测到的错误。对于2-用户MAC,我们表明,以下3个阶段的计划是速率最优的:一个标准的MAC码是第一次使用来实现未经认证的通信,然后由两个认证阶段,每个用户验证他们的消息治疗其他用户作为一个可能的对手。我们表明,身份验证阶段可以是非常短的,因为这种形式的身份验证本身,在可能的情况下,可以实现的消息集,其大小在blocklength的双指数增长。这导致我们的结果,一个离散的无记忆MAC的认证通信容量区域是零或(未经认证的)MAC容量区域本身。这也可以解释Kosut和Kliewer最近发现的离散无记忆点对点对抗信道的认证通信能力的类似性质(ITW,2018)。
2019-04-26 cs.IT math.IT
Efficient Codes for Limited View Adversarial Channels
我们介绍了随机有限视图(LV)的对手代码,提供保护,防止对手使用他们的部分观点的通信,构建一个对抗性的错误向量添加到信道。对于长度为N的码字,对手选择码字分量的ρ_rN的子集来“看到”,然后将权重为ρ_wN的对手误差向量“添加”到码字。代码的性能是通过解码器在恢复发送的消息时失败的概率来衡量的。(N,q^{RN},δ)-受限视角攻击码保证了当码的信息率至少为R时,攻击者使译码器失效的成功机会以δ为界。我们研究这些代码的主要动机是在网络的物理层为无线通信提供保护。我们正式定义的对抗性错误和解码器故障,构建一个代码与有效的编码和解码,允许对手,根据码率,读取多达一半的发送码字和添加错误在相同的坐标。该码是非线性的,具有高效的解码算法,并且使用消息认证码(MAC)和折叠里德-所罗门(FRS)码构造。解码算法使用了一种创新的方法,该方法结合了FRS码的列表解码算法和MAC验证算法,以消除解码算法输出的列表的指数大小。我们讨论了我们的结果可靠的消息传输问题的应用,并为今后的工作开放的问题。
2013-03-12 cs.IT math.IT
Quadratically Constrained Two-way Adversarial Channels
我们研究了在功率受限的双向加性干扰信道中,当通信被功率受限的干扰机干扰时,在实字母表上的可靠通信的可实现速率。这模拟了无线通信场景,其中两个用户Alice和Bob在全双工模式下操作,希望在干扰机James存在的情况下彼此交换消息。Alice和Bob通过$ n $信道使用同时发送它们的编码$ \underline{x}_A $和$\underline{x}_B $。假设James可以选择他的干扰信号$ \underline{s} $作为$ \underline{x}_A $和$ \underline{x}_B $以及Alice和Bob使用的码本的非因果随机函数。Alice和Bob观察$ \underline{x}_A+\underline{x}_B +\underline{s}$,并且必须可靠地恢复彼此的消息。在这篇文章中,我们提供了上界和下界的容量,这个信道相互匹配,等于$ \frac{1}{2}\log\left(\frac{1}{2} + \mathsf{SNR}\right) $在高$\mathsf{SNR}$制度(其中$\mathsf{SNR}$,信噪比,被定义为比的功率约束的用户的功率约束的干扰)。我们给出了一个基于格码的码构造,并推导出大$\mathsf{SNR}$的可实现速率。我们还提出了基于两个特定的攻击策略詹姆斯的上限。在此过程中,证明了格的和集性质的可扩展性和一…
2020-01-09 cs.IT math.IT
Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks
Virginia Tech(弗吉尼亚理工大学);University of Maryland(马里兰大学);The Ohio State University(俄亥俄州立大学)
语义通信寻求从源传输信息,同时将期望的含义传达到其目的地。我们将发送器-接收器功能建模为自动编码器,然后是任务分类器,用于评估传达给接收器的信息的含义。自动编码器由发射机处的编码器和接收机处的解码器组成,所述编码器用于联合建模信源编码、信道编码和调制,所述解码器用于联合建模解调、信道解码和信源解码。通过用语义损失来增强重建损失,该编码器-解码器对的两个深度神经网络(DNN)与语义任务分类器的DNN交互地训练。这种方法有效地捕获了潜在的特征空间,并可靠地传输压缩的特征向量,同时保持较低的语义损失。我们确定了使用DNN进行语义通信的多域安全漏洞。基于对抗机器学习,我们通过在语义通信的不同阶段操纵DNN的输入,在DNN上引入测试时(有针对性和非有针对性)对抗攻击。作为计算机视觉攻击,在发射机编码器的输入处向图像注入小扰动。作为一种无线攻击,发送小扰动信号以干扰接收器解码器的输入。通过单独或更有效地以组合形式作为多域攻击发起这些隐形攻击,我们表明即使重建损失仍然很低,也有可能改变传输信息的语义。这些多域对抗攻击对信息传输的语义构成了严重威胁(比传统干扰的影响更大),并提出了安全采用语义通信的防御方法的需求。
2022-12-20 cs.CR cs.IT cs.LG
Optimal Communication Strategies in Networked Cyber-Physical Systems with Adversarial Elements
在博弈论的框架下,研究了网络物理系统中防御者和攻击者的最优通信和协调策略。我们将信息物理系统的通信网络建模为一个传感器网络,该网络包含一个由多个传感器观测的单个高斯源,受加性独立高斯观测噪声的影响。传感器通过相干高斯多址信道与估计器通信。接收机的目标是以最小均方误差重建潜在的源。这里感兴趣的场景是,一些传感器被攻击者捕获,它们充当对手(干扰机):它们努力最大化失真。接收器(估计器)知道捕获的传感器,但由于多址信道,即,对所有传感器的输出求和以生成估计器输入。我们表明,发射机传感器秘密同意一个随机事件,即“协调”的能力,在分析中起着关键作用…
2017-01-27 cs.CR cs.GT cs.IT
Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks
Xidian University(西安电子科技大学);Singapore University of Technology and Design(新加坡科技设计大学)
本文提出多智能体驱动的认知安全通信框架,通过实时感知协调频谱调度与保护,提升卫星-地面网络的安全性能并降低功率开销。
2026-01-06 cs.CR cs.IT math.IT
Effects of Forward Error Correction on Communications Aware Evasion Attacks
Hume Center for National Security and Technology, Virginia Tech(弗吉尼亚理工大学休姆国家安全与技术中心);Department of Electrical and Computer Engineering, University of California, San Diego(加州大学圣地亚哥分校电气与计算机工程系)
最近的工作表明了对抗性机器学习对为射频机器学习(RFML)应用开发的深度神经网络(DNN)的影响。虽然这些攻击已被证明是成功地破坏窃听者的性能,但它们无法完全支持成功的预期通信的主要目标。为了解决这个问题,最近开发了一种通信感知攻击框架,通过DNN的新用途智能地创建对抗性通信信号,可以在逃避和预期通信的对立目标之间实现更有效的平衡。鉴于前向纠错(FEC)编码在大多数部署的系统中几乎无处不在地使用以纠正出现的错误,将FEC并入该框架中是该先前工作的自然扩展,并且将允许在更不利的环境中改进性能。因此,这项工作提供了贡献的框架,通过改进的损失函数和设计考虑因素,将固有的知识使用的FEC码内发送的信号。性能分析表明,FEC编码改进了通信感知对抗攻击,即使没有假设编码方案的明确知识,并且允许在平衡逃避和预期通信的相反目标方面优于现有技术的改进性能。
2020-05-27 cs.CR cs.IT cs.LG
Adversarial Reinforcement Learning in Dynamic Channel Access and Power Control
Syracuse University(雪城大学)
深度强化学习(DRL)近来已被用于在无线通信中执行高效的资源分配。在本文中,这样的DRL代理对抗攻击的脆弱性进行了研究。特别是,我们考虑多个DRL代理,在无线干扰信道中执行动态信道接入和功率控制。对于这些受害DRL代理,我们设计了一个干扰器,这也是一个DRL代理。我们提出了一种对抗性干扰攻击方案,利用监听阶段,显着降低用户的和速率。随后,我们开发了一个集成的政策防御策略,对这样的干扰攻击者重新加载模型(保存在重新训练),具有最小的过渡相关性。
2021-05-12 cs.IT cs.LG math.IT
Privacy-Preserving Semantic Communications via Multi-Task Learning and Adversarial Perturbations
Nexcepta;The Ohio State University(俄亥俄州立大学);University of Maryland(马里兰大学)
本文提出一种基于多任务学习和对抗扰动的隐私保护语义通信框架,通过迭代min-max优化减少窃听者信息泄露,提升无线通信的隐私和效率。
2025-12-30 cs.AI cs.CR cs.IT
Contrastive Learning and Adversarial Disentanglement for Privacy-Aware Task-Oriented Semantic Communication
KU 6G Research Center, Department of Computer Science, Khalifa University(KU 6G研究中心,计算机科学系,卡利法大学);Huawei Technologies Co. Ltd.(华为技术有限公司)
本文提出CLAD方法,通过对比学习捕获任务相关特征、对抗解耦丢弃无关信息,并引入IRI度量编码最小性,在6G-IoT语义通信中实现更优的隐私保护与任务性能。
2025-07-02 cs.AI cs.CV cs.IT
Positive Rate Binary Interactive Error Correcting Codes Resilient to $>\frac12$ Adversarial Erasures
交互式纠错码($\mathsf{iECC}$)是一种交互式协议,它保证接收方即使在存在噪声的情况下也能正确地确定发送方的消息。这概括了纠错码($\mathsf{ECC}$)的概念,其是已知具有以$\frac12$为上限的擦除恢复的非交互式$\mathsf{iECC}$。\cite{GuptaTZ21}的工作构建了第一个对$> \frac12$对抗性擦除有弹性的$\mathsf{iECC}$。然而,它们的$\mathsf{iECC}$具有与消息大小成二次方的通信复杂度。在我们的工作中,我们构建了第一个积极率$\mathsf{iECC}$弹性$> \frac12$对抗擦除。对于任何$ε> 0$,我们的$\mathsf{iECC}$对$\frac6{11} - ε$对抗性擦除具有弹性,并且具有大小$O_ε(n)$。
2022-01-28 cs.DS cs.IT math.IT
Bridging the Capacity Gap Between Interactive and One-Way Communication
我们研究了交互式通信的编码方案的通信速率,将任何两方交互式协议转换为对噪声具有鲁棒性的协议。最近,Haeupler(FOCS '14)表明,如果传输的$ε> 0$部分被破坏,对抗性地或随机地,则有可能实现$1 - \widetilde{O}(\sqrtε)$的通信速率。此外,Haeupler证明,这个速率对于一般的输入协议是最佳的。这与单向通信的经典设置形成对比,在单向通信的经典设置中,已知纠错码实现$1 - Θ(H(ε)) = 1 - \widetildeΘ(ε)$的最佳通信速率。在这项工作中,我们表明,二次方较小的速率损失的单向设置也可以实现一个非常自然的一类输入协议的交互式编码方案。我们引入平均消息长度的概念,或一方在收到回复之前发送的平均比特数,作为测量协议中交互性水平的自然参数。此外,我们表明,任何协议的平均消息长度$\ell = Ω(\mathrm{poly}(1/ε))$可以模拟一个协议,最佳的通信速率$1 - Θ(H(ε))$在一个不经意的对抗信道的错误分数$ε$。此外,在访问公共共享随机性的附加假设下,无速率地实现最优通信速率,即,通信速率自动适应于实际出错率$ε$,而不必预先指定它。这表明,即使对于非常小的(在$ε$中为常数)平均消息长度,也可以桥接单向和交互式通信之间的容量差距,这可能在许多应用中发现。
2016-05-27 cs.DS cs.IT math.IT
Experienced Deep Reinforcement Learning with Generative Adversarial Networks (GANs) for Model-Free Ultra Reliable Low Latency Communication
Ericsson Research(爱立信研究院);Princeton University(普林斯顿大学)
提出了一种新的经验式深度强化学习(deep-RL)框架,为超可靠低延迟通信(URLLC)提供无模型的资源分配。在明确的数据率约束下,所提出的、有经验的深度RL框架可以为每个无线保证高端的到端可靠性和低端到端延迟,而无需对用户的业务进行任何模型或假设。特别是,为了使深度强化学习框架能够应对极端网络条件并在高度可靠的系统中运行,提出了一种基于生成对抗网络(GANs)的新方法。这种GAN方法用于使用真实数据和合成数据的混合来预训练深度RL框架,从而创建一个经验丰富的深度RL框架,该框架已暴露于广泛的网络条件。形式上,URLLC资源分配问题被提出作为一个可靠性,延迟和速率约束下的功率最小化问题。为了使用有经验的深度RL解决这个问题,首先,确定每个用户的速率。然后,这些速率被映射到所研究的无线系统的资源块和功率分配向量。最后,每个用户的端到端可靠性和延迟被用作对深度RL框架的反馈。然后表明,在深度RL算法的固定点处,用户的可靠性和延迟接近最优。此外,对于所提出的GAN方法,发电机输出的理论极限解析推导。仿真结果表明,所提出的方法可以实现接近最佳的性能在速率可靠性延迟区域内,这取决于网络和服务的要求。结果还表明,所提出的有经验的深度强化学习框架能够消除瞬态训练时间,这使得传统的深度强化学习方法不适合URLLC。
2020-10-14 cs.IT cs.LG cs.NI
The Adversarial Noise Threshold for Distributed Protocols
我们考虑的问题,实现分布式协议,尽管敌对的信道错误,在任意拓扑结构的同步消息网络。在我们的第一个结果中,我们表明,任何$n$ -党$T$ -轮协议上的无向通信网络$G$可以编译成一个强大的模拟协议上的稀疏($\mathcal{O}(n)$边缘)子网络,使模拟容忍对抗错误率$Ω\left(\frac{1}{n}\right)$ ;模拟有一轮复杂性$\mathcal{O}\left(\frac{m \log n}{n} T\right)$,其中$m$是边缘的数量在$G$。(So该模拟在高达$\log$因子时是功保持的。)对手的错误率是在一个恒定的最佳因素。给定错误率,轮复杂度爆破在最优的$\mathcal{O}(k \log n)$的因子内,其中$k$是$G$的边连通性。我们还确定了有向通信网络的最大容许错误率是$Θ(1/s)$,其中$s$是最小等价有向图中的边数。接下来,我们研究对抗性的每边错误率,其中对手在网络的每个边缘上都有一个错误预算。我们确定的精确限制,可容忍的每边错误率在任意有向图。然而,接近这个极限的构造具有指数轮复杂度,因此我们给出另一个编译器,它将$T$ -轮协议转换为$\mathcal{O}(mT)$ -轮模拟,并证明对于多项式查询黑盒编译器,最后一个编译器所容忍的每边错误率在最优的恒定因子内。
2015-04-28 cs.DC cs.DS cs.IT