评估针对特定发射器识别安全方法的对抗重放和深度学习驱动攻击
摘要：特定发射机识别(SEI)通过利用发射信号中的独特、固有和非故意特征来检测、描述和识别发射机。自引入以来，已进行了大量的工作;然而，大多数工作都假设发射机是被动的，并且它们的识别信号特征是固定且难以模拟的。这表明发射机不愿意和无能力开发和实施有效的SEI对抗措施；然而，深度学习已被证明能够直接从原始的相位和象限信号样本中学习到发射机特定的特征，而软件定义无线电可以对其进行操作。基于这些能力，可以合理地质疑一个发射机能够多容易地有效地模仿另一个发射机的SEI特征，或者操纵自己的SEI特征来阻碍或击败SEI。本研究考虑使用三种信号特征模仿对策进行SEI模仿；现成的深度学习算法；两种不同尺寸、重量、功率和成本的软件定义无线电(SWaP-C)；手工和基于深度学习的SEI处理以及咖啡店部署。我们的结果显示，现成的深度学习算法和软件定义无线电使得SEI模仿成为可能；然而，对手的成功受到以下因素的限制：使用诱饵发射机前导，使用去噪自动编码器以及软件定义无线电的SWaP-C限制。
作者：Joshua H. Tyler, Mohamed K.M. Fadul, Matthew R. Hilling, Donald R. Reising, T. Daniel Loveless
论文ID：2308.03579
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-08