Buchumschlag

Countermeasures Against Adversarial Examples in Radio Signal Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Lu, Lambotharan, Sangarapillai, Zheng, Gan, AsSadhan, Basil, Roli, Fabio
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Attention-based Adversarial Robust Distillation in Radio Signal Classifications for Low-Power IoT Devices
von: Zhang, Lu, et al.
Veröffentlicht: (2025)

A Neural Rejection System Against Universal Adversarial Perturbations in Radio Signal Classification
von: Zhang, Lu, et al.
Veröffentlicht: (2025)

Vision Transformer with Adversarial Indicator Token against Adversarial Attacks in Radio Signal Classifications
von: Zhang, Lu, et al.
Veröffentlicht: (2025)

A Hybrid Training-time and Run-time Defense Against Adversarial Attacks in Modulation Classification
von: Zhang, Lu, et al.
Veröffentlicht: (2024)

Orthogonal Subspace Projection for Continual Machine Unlearning via SVD-Based LoRA
von: Rahulamathavan, Yogachandran, et al.
Veröffentlicht: (2026)

QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
von: Herath, Charuka, et al.
Veröffentlicht: (2026)

FheFL: Fully Homomorphic Encryption Friendly Privacy-Preserving Federated Learning with Byzantine Users
von: Rahulamathavan, Yogachandran, et al.
Veröffentlicht: (2023)

DSFL: A Dual-Server Byzantine-Resilient Federated Learning Framework via Group-Based Secure Aggregation
von: Herath, Charuka, et al.
Veröffentlicht: (2025)

Multi-Agent Reinforcement Learning Counteracts Delayed CSI in Multi-Satellite Systems
von: Aristodemou, Marios, et al.
Veröffentlicht: (2026)

Enhancing Federated Learning Convergence with Dynamic Data Queue and Data Entropy-driven Participant Selection
von: Herath, Charuka, et al.
Veröffentlicht: (2024)

Maximizing Uncertainty for Federated learning via Bayesian Optimisation-based Model Poisoning
von: Aristodemou, Marios, et al.
Veröffentlicht: (2025)

Alert-ME: An Explainability-Driven Defense Against Adversarial Examples in Transformer-Based Text Classification
von: Sabir, Bushra, et al.
Veröffentlicht: (2023)

Creating Valid Adversarial Examples of Malware
von: Kozák, Matouš, et al.
Veröffentlicht: (2023)

Showing Many Labels in Multi-label Classification Models: An Empirical Study of Adversarial Examples
von: Liu, Yujiang, et al.
Veröffentlicht: (2024)

Masked Language Model Based Textual Adversarial Example Detection
von: Zhang, Xiaomei, et al.
Veröffentlicht: (2023)

Adversarial Attack Against Images Classification based on Generative Adversarial Networks
von: Yang, Yahe
Veröffentlicht: (2024)

An Example Safety Case for Safeguards Against Misuse
von: Clymer, Joshua, et al.
Veröffentlicht: (2025)

Evaluating the Evaluators: Trust in Adversarial Robustness Tests
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2025)

HOLMES: to Detect Adversarial Examples with Multiple Detectors
von: Wen, Jing
Veröffentlicht: (2024)

Tackling Delayed CSI in a Distributed Multi-Satellite MIMO Communication System
von: Omid, Yasaman, et al.
Veröffentlicht: (2024)

A General Sensing-assisted Channel Estimation Framework in Distributed MIMO Network
von: Zhou, Hui, et al.
Veröffentlicht: (2024)

FAS-LLM: Large Language Model-Based Channel Prediction for OTFS-Enabled Satellite-FAS Links
von: Yang, Halvin, et al.
Veröffentlicht: (2025)

MemLoss: Enhancing Adversarial Training with Recycling Adversarial Examples
von: Mahdi, Soroush, et al.
Veröffentlicht: (2025)

Towards Interpretable Adversarial Examples via Sparse Adversarial Attack
von: Lin, Fudong, et al.
Veröffentlicht: (2025)

Latent-space Attacks for Refusal Evasion in Language Models
von: Piras, Giorgio, et al.
Veröffentlicht: (2026)

SOM Directions are Better than One: Multi-Directional Refusal Suppression in Language Models
von: Piras, Giorgio, et al.
Veröffentlicht: (2025)

Graph Pattern-based Association Rules Evaluated Under No-repeated-anything Semantics in the Graph Transactional Setting
von: Ell, Basil
Veröffentlicht: (2025)

Towards a Novel Perspective on Adversarial Examples Driven by Frequency
von: Zhang, Zhun, et al.
Veröffentlicht: (2024)

A New Type of Adversarial Examples
von: Nie, Xingyang, et al.
Veröffentlicht: (2025)

Adversarial Examples Might be Avoidable: The Role of Data Concentration in Adversarial Robustness
von: Pal, Ambar, et al.
Veröffentlicht: (2023)

Security of Internet of Agents: Attacks and Countermeasures
von: Wang, Yuntao, et al.
Veröffentlicht: (2025)

Imperceptible Adversarial Examples in the Physical World
von: Xu, Weilin, et al.
Veröffentlicht: (2024)

Improving the Transferability of Adversarial Examples by Inverse Knowledge Distillation
von: Wu, Wenyuan, et al.
Veröffentlicht: (2025)

Improving Sustainability of Adversarial Examples in Class-Incremental Learning
von: Liu, Taifeng, et al.
Veröffentlicht: (2025)

Analyzing the Impact of Adversarial Examples on Explainable Machine Learning
von: Devabhakthini, Prathyusha, et al.
Veröffentlicht: (2023)

LLM Lies: Hallucinations are not Bugs, but Features as Adversarial Examples
von: Yao, Jia-Yu, et al.
Veröffentlicht: (2023)

NCCR: to Evaluate the Robustness of Neural Networks and Adversarial Examples
von: Pu, Shi, et al.
Veröffentlicht: (2025)

On Adversarial Examples for Text Classification by Perturbing Latent Representations
von: Sooksatra, Korn, et al.
Veröffentlicht: (2024)

How Real Is Real? A Human Evaluation Framework for Unrestricted Adversarial Examples
von: Fazlija, Dren, et al.
Veröffentlicht: (2024)

The Codecfake Dataset and Countermeasures for the Universally Detection of Deepfake Audio
von: Xie, Yuankun, et al.
Veröffentlicht: (2024)