论采用展开式 LDPC 解码器的神经接收机的对抗脆弱性

arXiv:2610.30345v1 公告类型：交叉收录 摘要：面向 5G 新空口（NR）的神经接收机在链路级性能上可媲美传统的基于模型的接收机，但其对接收机输入端对抗扰动的鲁棒性仍缺乏充分研究。我们表明，通过展开式低密度奇偶校验（LDPC）解码器端到端实施的标准梯度攻击，其效果并未显著优于功率匹配的高斯扰动。我们发现，这种失效源于置信传播（BP）校验节点更新中 boxplus 运算的 tanh 饱和所导致的梯度掩蔽：在十次展开的 BP 迭代中，逐次迭代的梯度范数衰减超过四个数量级。基于这一发现，我们提出了两个在结构上相互独立的损失函数，以恢复攻击效力。L_BP 通过逐次迭代监督，将梯度引导至尚未饱和的早期迭代；L_LLR 则是作用于解码器前端对数似然比（LLR）的间隔损失，其梯度完全绕过 LDPC 解码器。在扰动功率匹配的条件下，这两个损失函数均使块错误率（BLER）提高一至四个数量级，且这些结果已在 Sionna NeuralReceiver 和 DeepRx 上复现。在低 PSR 条件下，对于未见过的信道实现，经 L_LLR 优化的扰动所造成的 BLER 比经 LBP 优化的扰动最高高出三个数量级。