典型文献
电磁信号调制识别中的对抗性攻击技术研究
文献摘要：
无线通信常需要检测通信信号的调制类型,来分析估计调制参数,或发出干扰信号破坏对方通信系统.深度学习成为研究热点为调制信号识别带来了极大的便利,然而人工智能模型面临着来自对抗样本严重的威胁,这大大降低了深度机器学习任务执行的高可靠性度和安全性.针对电磁信号识别中的对抗攻击问题,使用Matlab生成数据集,并设计深度神经网络为问题研究的基础.进一步对对抗样本进行分析,结合信号理论,给出了通信信号对抗样本产生原因的分析,并研究经典的基于梯度生成的对抗样本生成算法,实现在不同攻击类型及迭代步长下的白盒攻击,可将原始模型识别率降低30％以上.仿真实验证明,卷积神经网络极易受到对抗攻击,对抗样本会对智能模型的辨识精度产生影响,对于深度学习模型的安全性与可靠性的研究具有重要价值.
文献关键词：
调制识别;深度学习;对抗攻击;机理解释
中图分类号：
作者姓名：
王满喜;史明佳;陆科宇;张思成
作者机构：
电子信息系统复杂电磁环境效应国家重点实验室,河南 洛阳471003;哈尔滨工程大学 信息与通信工程学院,黑龙江 哈尔滨150001
文献出处：
引用格式：
[1]王满喜;史明佳;陆科宇;张思成-.电磁信号调制识别中的对抗性攻击技术研究)[J].无线电通信技术,2022(06):1098-1104
A类：
B类：
信号调制,调制识别,对抗性,攻击技术,无线通信,通信信号,干扰信号,通信系统,调制信号识别,人工智能模型,型面,大大降低,深度机器学习,学习任务,高可靠性,电磁信号识别,对抗攻击,Matlab,设计深度,深度神经网络,对对,信号理论,产生原因,对抗样本生成,生成算法,代步,步长,白盒攻击,模型识别,识别率,辨识精度,深度学习模型,安全性与可靠性,机理解释
AB值：
0.37091
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
