ترجمه فارسی مقاله جستجوی نسبت طلایی: یک حمله مخالف کم قدرت برای طبقه بندی مدولاسیون مبتنی بر یادگیری عمیق

چکیده

We propose a minimal power white box adversarial attack for Deep Learning based Automatic Modulation Classification (AMC). The proposed attack uses the Golden Ratio Search (GRS) method to find powerful attacks with minimal power. We evaluate the efficacy of the proposed method by comparing it with existing adversarial attack approaches. Additionally, we test the robustness of the proposed attack against various state-of-the-art architectures, including defense mechanisms such as adversarial training, binarization, and ensemble methods. Experimental results demonstrate that the proposed attack is powerful, requires minimal power, and can be generated in less time, significantly challenging the resilience of current AMC methods.

چکیده به فارسی (ترجمه ماشینی)

ما برای طبقه بندی مدولاسیون اتوماتیک مبتنی بر یادگیری عمیق (AMC) یک حمله مخالف با حداقل قدرت جعبه سفید پیشنهاد می کنیم.حمله پیشنهادی از روش جستجوی نسبت طلایی (GRS) برای یافتن حملات قدرتمند با حداقل قدرت استفاده می کند.ما اثربخشی روش پیشنهادی را با مقایسه آن با رویکردهای حمله مخالف موجود ارزیابی می کنیم.علاوه بر این ، ما استحکام حمله پیشنهادی را در برابر معماری های مختلف پیشرفته ، از جمله مکانیسم های دفاعی مانند آموزش مخالف ، باناریزاسیون و روشهای گروهی آزمایش می کنیم.نتایج تجربی نشان می دهد که حمله پیشنهادی قدرتمند است ، به حداقل قدرت نیاز دارد و می تواند در زمان کمتری ایجاد شود ، به طور قابل توجهی مقاومت در برابر روشهای فعلی AMC را به چالش می کشد.