Analiza wpływu ataków zatruwających na detekcję zasobów radiowych bazującą na uczeniu federacyjnym
[ 1 ] Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik
EN Analysis of the impact of poisoning attacks on federated learning-based radio resource sensing
2023
artykuł naukowy / referat
polski
- uczenie maszynowe
- uczenie federacyjne
- atak zatruwający
- detekcja zasobów widmowych
- machine learning
- federated learning
- poisoning attack
- spectrum sensing
PL W niniejszym artykule przedstawiono wyniki badań i analizy wpływu ataków zatruwających odwracających etykiety (ang. label-flipping) na uczenie federacyjne w zastosowaniu dla detekcji zajętości zasobów radiowych. Badania przeprowadzono zarówno dla ataków skoordynowanych jak i losowych, przy zmiennym stosunku liczby użytkowników atakujących do liczby użytkowników uczciwych oraz różnym stopniu agresywności i czasie trwania ataków. Badania skupiają się na porównaniu skuteczności algorytmu detekcji zasobów radiowych przed i po przeprowadzonych atakach.
EN This paper presents the research results and analysis of the impact of poisoning label-flipping attacks on federated learning for spectrum sensing. The experiments have been executed for random and coordinated attacks for varying attackers-to-genuine-users ratios, different levels of aggressiveness, and time duration of attacks. The results have been obtained by comparing spectrum sensing machine learning model performance with and without attacks.
198 - 203
witryna wydawcy
ostateczna wersja opublikowana
20