Attacks Against Communication And Computing Task Classification And Mitigation Techniques
[ 1 ] Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ 2 ] Instytut Radiokomunikacji, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ SzD ] doktorant ze Szkoły Doktorskiej | [ P ] pracownik
PL Ataki przeciwko klasyfikacji zadań transmisyjnych i obliczeniowych oraz metody ich wykrywania
2023
artykuł naukowy
angielski
- clustering
- poisoning attack
- edge computing
- machine learning
- klasyfikacja danych
- ataki zatruwające
- przetwarzanie brzegowe
- uczenie maszynowe
EN Machine learning-based classification algorithms allow communication and computing (2C) task allocation to net-work edge servers. This article considers poisoning of classifiable 2C data features in two scenarios: noise-like jamming and targeted data falsification. These attacks have a fatal effect on classification in the feature areas with unclear decision boundary. We propose training and noise detection using the Silhouette Score to detect and mitigate attacks. We demonstrate effectiveness of our methods.
PL Algorytmy klasyfikacji oparte na uczeniu maszynowym umożliwiają zoptymalizowaną alokację zadań telekomunikacyjnych i obliczeniowych (2C) do serwerów brzegowych sieci. W artykule omówiono ataki zatruwające, które mają negatywny wpływ na klasyfikację zadań 2C w obszarach, w których granica decyzyjna jest niejasna. Proponujemy metodę trenowania modelu oraz wykorzystanie testu Silhouette do wykrywania i unikania ataków. Wykazujemy skuteczność tych metod wobec rozważanych ataków.
186 - 189
Tekst publikacji można przeczytać w wolnym dostępie na stronie wydawcy (na samym dole strony, w osadzonym dokumencie pdf, strona 188) pod adresem:
https://sigma-not.pl/zeszyt-7248-przeglad-telekomunikacyjny-2023-4.html
witryna wydawcy
ostateczna wersja opublikowana
w momencie opublikowania
20