[發明專利]一種基于LID的信號對抗樣本檢測器設計方法

在審

• 申請號: 202010994743.0
• 申請日: 2020-09-21
• 公開（公告）號: CN112347844A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 徐東偉;楊浩;顧淳濤;林臻謙;朱鐘華;宣琦
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于LID的信號對抗樣本檢測器的設計方法，其特征在于，所述方法包括以下步驟：

1)對信號調制數據進行預處理，并設計調制分類模型：對已有的數據進行一定的標準化處理，同時劃分訓練集與測試集，根據信號數據類型和特征，構造信號調制分類器；

2)根據信號調制分類器結合對抗樣本生成方法設計對抗樣本生成器：選用基于FGSM攻擊的信號樣本生成方法，根據獲取信號調制分類器的模型參數對輸入的信號的原始輸入數據進行梯度方向的調整，使得在輸入樣本變化細微的情況下，信號調制分類器對生成的對抗樣本的調制類型分類錯誤；

3)根據調制分類器模型設計網絡層信息評估函數：根據分類器模型獲取其每層的深度表征，即模型每一層對輸入數據的處理值，輸入數據為正常樣本與對抗樣本，根據設定的k階鄰居計算出正常樣本、對抗樣本的LID值；

4)設計信號的正常樣本與對抗樣本檢測器：根據網絡層信息評估函數得到的特征值，將正常樣本與對抗樣本的特征值拼接并添加標簽，其中對抗樣本標簽為0，正常樣本標簽為1，將拼接后的數據劃分為訓練集與測試集，并訓練一個邏輯回歸分類器，最后用測試集測試分類器效果。

2.如權利要求1所述的一種基于LID的信號對抗樣本檢測器的設計方法，其特征在于，所述步驟1)的過程如下：

1.1：對信號數據進行標準化，并將信號數據劃分為訓練集與測試集，標準化后的信號數據中的正常樣本與調制類型的標簽分別用X，Z表示，X＝{x₁,x₂,…,x_n}，其中標準化公式：

其中，x_i表示標準化后的正常樣本，x_n^*表示為標準化正常樣本，n表示樣本的總量，i為信號的第i個樣本，表示正常樣本的最小值，表示正常樣本的最大值；

1.2：使用訓練集的數據對搭建的分類模型進行訓練，

信號分類模型：

f(X)＝Z (2)

其中，f()為分類模型，Z為模型的輸出標簽值；

信號分類模型共有m層，用評估函數Y()表示為：

Y(X)＝{y₁(X),y₂(X),…,y_m(X)} (3)

y_j(X)＝{y_j(x₁),y_j(x₂),…,y_j(x_n)},j＝1,…,m (4)

其中，j表示分類模型的第j層，Y_j()表示分類模型的第j層網絡層的評估函數，y_j()表示正常樣本在模型的第j網絡層的輸出向量。

3.如權利要求1或2所述的一種基于LID的信號對抗樣本檢測器的設計方法，其特征在于，所述步驟2)的過程如下：

FGSM方法是一種基于梯度的對抗樣本生成方法，其通過求出模型對輸入的導數，然后用符號函數sign()得到其具體的梯度方向，接著乘以一個步長ε，得到的擾動加在原來的輸入上就得到了在FGSM攻擊下的樣本，公式如下：

X'＝X+ε*sign(▽_XJ(X,Z)) (5)

其中X’為對抗樣本，X’＝{x₁’,x₂’,…,x_n’}，ε為擾動系數，J(X,Z)為模型的損失函數。