典型文献
调制识别中目标对抗攻击
文献摘要：
由于深度学习算法具有特征表达能力强、特征自动提取以及端到端学习等突出优势,因此被越来越多的研究者应用至通信信号识别领域.然而,对抗样本的发现使得深度学习模型极大程度地暴露在潜在的风险因素中,并对当前的调制识别任务造成严重的影响.本文从攻击者的角度出发,通过对当前传输的通信信号添加对抗样本,以验证和评估目标对抗样本对调制识别模型的攻击性能.实验表明,当前的目标攻击可以有效地降低模型识别的精确度,所提出的logit指标可以更细粒度地用于衡量攻击的目标性效果.
文献关键词：
卷积神经网络;调制识别;对抗样本;无线电安全
中图分类号：
作者姓名：
赵浩钧;林云;包志达;史继博;葛斌
作者机构：
哈尔滨工程大学 信息与通信工程学院,哈尔滨 黑龙江 150001;哈尔滨工程大学 先进船舶通信与信息技术工业和信息化部重点实验室,哈尔滨 黑龙江 150001;哈尔滨工程大学 数学科学学院,哈尔滨 黑龙江 150001
文献出处：
引用格式：
[1]赵浩钧;林云;包志达;史继博;葛斌-.调制识别中目标对抗攻击)[J].太赫兹科学与电子信息学报,2022(08):836-842
A类：
B类：
调制识别,对抗攻击,深度学习算法,具有特征,特征表达,表达能力,征自,自动提取,端到端,突出优势,通信信号,信号识别,对抗样本,深度学习模型,攻击者,前传,识别模型,攻击性,模型识别,logit,细粒度,目标性,无线电安全
AB值：
0.402111
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。
