CN114528877B 一种电磁频谱感知的双层级智能对抗方法及系统 （西安电子科技大学）

CognitiveRadio-Enab一种电磁频谱感知的双层级智能对抗方法本发明属于电磁频谱感知中智能对抗技术以自然进化算法设计有信号和无信号的两种隐练时，通过直接干预训练数据实现中毒数据插2所述第一步波形级：通过嵌入式通信设计一种隐蔽的对抗波形3步骤二：干扰接收，目标天线接收端会收到有信号干扰4任意一项所述电磁频谱感知的双层级智能对抗得所述处理器执行权利要求1～4任意一项所述电磁频谱感知的双层级智能对抗方法的步48.一种实施权利要求1～4任意一项所述电磁频谱感知的双层级智能对抗方法的双层波形级模块，用于通过嵌入式通信设计一种隐蔽的对抗波形，特征级模块，用于当深度神经网络训练时，通过直接干预训练数5[0002]随着信息时代的到来，无线通信领域的技术水平和业务规模实现了跨越式增的预测结果(SzegedyC,ZarembaW,SutskeverI,etal.IntriguingpropertiesSzegedynC,etal.Explainingandharnessingadversarialexamples[C].Proc.Int.Conf.Learn.Representations,2015:189-199.)、基本迭代法(KurakinBengioS,etal.Adversarialexamplesinthephysicearn.Representations,2016:128-141.)、基于雅可比矩阵的显著性映射(PapernotN,McDanielP,JhaS,etal.Thelimitationsofdeeplearninginadversarialsettings[J].IEEEEuropeanSymposiumonSecurityandPrivacy,2016,1(1):372-modelsresistanttoadversarialattacks[C].Proc.Int.Conf.Learn.Representations,2018:1-23.)、动量迭代法(DongY,LiaoF,PangT,etal.Boostingadversarialattackswithmomentum[C].Proc.IEEE.Conf.Comput.Vis.PatternRecognit,2018:不同环境下对不同的有效性(RenK,ZhengT,QinZ,etal.AdversarialAttacksandDefensesinDeepLearning[J].Engineering,2020,6[0004]为了将对抗样本引入调制信号识别领域以提高识别模型的鲁棒性，Sadeghi等人首先将对抗引入无线通信，发起了直接访问(SadeghiM,LarssonEG.AdversarialAttacksonDeep-LearningBasedRadioSignalClassification[J].IEEEWireless6CommunicationsLetters,2019,8(1):213-216.)。Zhao等人将NesterovA在调制信号识别中，并且增加了生成的信号对抗样本与原始信号的波形相似度(ZhaoH,LinY,GaoS,etal.EvaluatingandImprovingAdversarialAttackson深度神经网络-BasedModulationRecognition[C].GLOBECOM2020-2020IEEEGlobalCommunicationsConference,2020:1-5.)。Lin等人将基于标签计算梯度的四种方法应用(LinY,ZhaoH,MaX,etal.AdversarialAttacksinModulationRecognitionWithConvolutionalNeuralNetworks[J].IEEETransactionsonReliability,2021,70(1):[0006](1)现有的方法多是基于结构简单的神经网络，由它们产生的对抗样本在高性能[0007](2)在迭代过程结束后，产生的对抗样本还不足以诱使高性能的复杂模型或对抗78信道采集并制作训练集时，将设计好的无信号干扰和纯噪音进行结合并向目标天线发送，[0050]本发明的另一目的在于提供一种实施所述电磁频谱感知的双层级智能对抗方法9[0054]本发明的另一目的在于提供一种所述电磁频谱感知的双层级智能对抗方法在无[0067]本发明提供的电磁频谱感知的双层级智能对抗方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的电磁频谱感知的双层级智能对抗方法仅仅是一[0073]如图3所示，本发明提供的电磁频谱感知的双层级智能对抗方法具体包括以下步σ为对应的特征值。[0083]当进行非目标攻击时(非目标攻击是指攻击者只希望神经网络模型可以将对抗样被加入中毒数据训练后的网络，对于正常的频谱感知的准确率仍是十分可观。由原来的和方法可以使用计算机可执行指令和/或包含在处理器控