文档名：基于显著图的电磁信号对抗样本生成方法
摘要：基于深度学习的电磁信号识别模型具有高效、准确和人工干预少的优点,然而其与传统神经网络模型一样容易受到对抗样本的影响.研究对抗样本对测试和提升模型的安全性和鲁棒性有着重要意义.为生成高质量电磁信号对抗样本,本文提出了基于雅可比显著图批量特征点攻击算法(BatchPointsJacobian-basedSaliencyMapAt-tack,BP-JSMA).与传统雅可比显著图的攻击方法相比,BP-JSMA通过批量选取关键特征点能够更快生成对抗样本.此外,针对电磁信号数据的特点,增加自适应扰动限制,使得生成的对抗样本更具隐蔽性.在公开数据集的实验结果表明,与雅可比显著图攻击方法相比,BP-JSMA在生成速度方面提升了11倍,隐蔽性提升了10%;而与传统快速梯度符号攻击算法相比,攻击成功率提升了24%,隐蔽性提升了20%.
作者：周侠 张剑 李宁安Author：ZHOUXia ZHANGJian LINing-an
作者单位：武汉数字工程研究所,湖北武汉430205
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(7)
分类号：TP183
关键词：人工智能 深度学习 对抗样本 电磁信号识别 显著图 目标攻击
Keywords：artificialintelligence deeplearning adversarialexamples electromagneticsignalrecognition saliencymap targetattack
机标分类号：TP391.41TN919.8TP183
在线出版日期：2023年9月27日
基金项目：基于显著图的电磁信号对抗样本生成方法[
期刊论文] 电子学报--2023, 51(7)周侠 张剑 李宁安基于深度学习的电磁信号识别模型具有高效、准确和人工干预少的优点,然而其与传统神经网络模型一样容易受到对抗样本的影响.研究对抗样本对测试和提升模型的安全性和鲁棒性有着重要意义.为生成高质量电磁信号对抗样本,本...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于显著图的电磁信号对抗样本生成方法 An Electromagnetic Signal Adversarial Examples Generation Method Based on Saliency Map
基于显著图的电磁信号对抗样本生成方法.pdf
- 文件大小:
- 2.98 MB
- 下载次数:
- 60
-
高速下载
|
|
