[發明專利]基于動量梯度擾動的智能電磁信號識別系統干擾方法

有效

• 申請號: 202011064169.5
• 申請日: 2020-10-01
• 公開（公告）號: CN112202527B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 陶明亮;方鳴騏;粟嘉;范一飛;王伶;張兆林;韓闖;楊欣;李滔
• 申請（專利權）人: 西北工業大學
• 主分類號: H04K3/00
• 分類號: H04K3/00;H04L27/00
• 代理公司: 西安凱多思知識產權代理事務所(普通合伙) 61290
• 代理人: 劉新瓊

本發明提供了一種基于動量梯度擾動的智能電磁信號識別系統干擾方法，通過求解識別系統正確分類的損失函數相對于射頻信號自身的梯度，以此決定優化方向，多次迭代實現成功的干擾，優化方向并不取決于此次迭代中求解的梯度，而是過往所有次迭代累積的梯度，使得優化更容易朝全局最小值而非局部最小值迭代，從而在提升計算效率的同時也提高了干擾成功率；本發明在僅對原始信號作微小擾動的情況下，使得識別系統的分類準確率大幅下降，達到欺騙和干擾的效果。

技術領域

本發明涉及信號處理領域，尤其是一種基于動量梯度擾動的智能電磁信號識別系統干擾方法。本發明適用于干擾基于神經網絡的電磁信號調制識別系統，在僅對原始信號做微小擾動的情況下，使得識別系統的分類準確率與可靠性大幅下降，達到欺騙干擾的效果。

背景技術

隨著深度學習技術在智能電磁頻譜感知中的深度融合應用，對電磁信號波形、調制參數等信息的識別準確率顯著提高，并具有分類準確率高，實時性高等特點。智能電磁信號識別系統對電磁信息傳輸的安全性與可靠性造成了極大的威脅。因此，從信號發射方的角度，如何擾動智能模型的學習、推理能力，降低發射信號被成功感知與識別的幾率，保障信息安全傳輸，是電磁信號處理領域的研究熱點與難點問題。

目前已有的智能系統干擾研究主要集中在圖像識別、語音信號識別等，但暫未見有針對電磁調制信號識別系統的干擾技術。智能電磁信號識別系統干擾技術的基本思想是尋找神經網絡優化學習過程的潛在脆弱性，通過對原有電磁信號添加微小的擾動，從而在不影響信號自身信息表達的情況下最大程度地降低調制識別系統的分類準確率。目前典型的干擾技術有快速梯度法(Fast Gradient Sign Method)、基本迭代法(Basic IterativeMethod)等。但以上方法均存在優化方向易于搖擺、不穩定的缺點，導致生成的干擾信號數據易陷入局部最小，運算復雜度較高且成功率低。

發明內容

為了克服現有技術的不足，本發明提供一種基于動量梯度擾動的智能電磁信號識別系統干擾方法，通過求解識別系統正確分類的損失函數相對于射頻信號自身的梯度，以此決定優化方向，多次迭代實現成功的干擾。本發明的優化方向并不取決于此次迭代中求解的梯度，而是過往所有次迭代累積的梯度，從而使得優化更容易朝全局最小值而非局部最小值迭代，從而在提升計算效率的同時也提高了干擾成功率；本發明所涉及的動量梯度方法，在迭代過程中優化了迭代的方向，大幅提升了計算的效率和干擾的成功率。

本發明解決其技術問題所采用的技術方案的具體步驟如下：

步驟一：擬發射的射頻信號表示為2×N維的矩陣X(2,N)，N代表時間離散采樣點，矩陣的兩行分別代表復信號的實部和虛部，矩陣X的正確分類類別為k，調制識別分類器表示為f(·)，則有：

f(X)＝k (1)

梯度累加量矩陣表示為2×N維的矩陣m(2,N)，將梯度累加量矩陣初始化為全0矩陣，初始化干擾信號矩陣X^adv＝X；

步驟二：求取當前迭代次數中，神經網絡正確分類干擾信號矩陣的損失函數，更新后得到梯度累加量矩陣；

步驟三：通過梯度累加量矩陣得到更新后的干擾信號矩陣；

步驟四：規范化處理步驟三得到的更新后的干擾信號矩陣

其中Clip(A,max,min)為上下界函數，將矩陣A內的大于max值或小于min值的元素規范到max或min，range為限制的擾動范圍；

步驟五：重復步驟二至步驟四，直到滿足如下條件：

f(X^adv)≠k (5)

即為干擾成功。