每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

LORA RF 指纹识别机器学习模型中的水印和异常检测

Created by
  • Haebom

作者

阿鲁什·马哈詹、韦恩·伯利森

大纲

本文提出了一种射频指纹识别 (RFFI) 系统，该系统利用无线设备模拟电路的细微差异来识别它们。为了解决现有基于深度学习的 RFFI 系统易受克隆、篡改和规避攻击的问题，我们将用于所有权验证的水印与异常检测技术相结合，以检测可疑输入。我们使用 ResNet-34 在对数梅尔 (log-mel) 声谱图上嵌入三个水印（一个简单触发器、一个抗噪声和滤波的对抗学习触发器以及一个隐藏的梯度/权重签名）。然后，我们使用 Kullback-Leibler (KL) 预热和带有空闲比特的卷积变分自编码器 (VAE) 来检测分布外查询。使用 LoRa 数据集的实验结果显示，准确率为 94.6%，水印成功率为 98%，曲线下面积 (AUROC) 为 0.94，证明了这是一个可验证且防篡改的身份验证系统。

Takeaways, Limitations

•
Takeaways：
◦
一种解决现有 RFFI 系统中安全漏洞的新方法。
◦
通过结合水印和异常检测技术实现可验证和防篡改的 RFFI 系统。
◦
实现高准确率、水印成功率和 AUROC。
•
Limitations：
◦
所提出的系统的性能是针对特定数据集（LoRa）的结果，而对其他数据集的泛化性能需要进一步研究。
◦
需要对水印技术的安全性进行更深入的分析。
◦
需要进一步的实验来评估现实环境中的性能并测试各种攻击场景。
👍
Made with Slashpage