機械学習を活用した通信システムとネットワークにおける敵対的攻撃と防御：現代の調査

機械学習と深層ニューラルネットワーク（DNN）における敵対的攻撃と防御は、通信ネットワークにおける深層学習の急速な応用のために注目を集めています。この調査では、通信アプリケーションのためのDNNベースの分類モデルに焦点を当て、敵対的攻撃と防御技術の分野における最近の進展の包括的な概要を提供します。具体的には、攻撃原則に基づいた最近の敵対的攻撃方法と最先端の敵対的防御技術を包括的に分類し、視覚的に魅力的な表やツリー図で提示します。これは、既存の研究の厳密な評価に基づいており、その強みと限界の分析を含んでいます。また、攻撃検知とロバスト性向上に方法を分類し、ロバスト性を向上させるための正則化に基づく手法に特に焦点を当てます。検索ベース、意思決定ベース、ドロップベース、物理的攻撃などの新しい攻撃手法も探求され、最新の防御方法の階層的分類が提供され、トレーニングコストとパフォーマンスのバランスを取ること、クリーンな精度を維持すること、勾配マスキングの影響を克服すること、メソッドの移植性を確保することの課題が強調されます。最後に、得られた教訓と未解決の課題が要約され、将来の研究機会が推奨されます。