[發(fā)明專利]一種結合頻譜與智能的在線對抗學習測試系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210969476.0
• 申請日: 2022-08-12
• 公開（公告）號: CN115499071A
• 公開（公告）日: 2022-12-20
• 發(fā)明（設計）人: 謝海東;陳遠清;向雪霜;紀楠
• 申請（專利權）人: 中國空間技術研究院
• 主分類號: H04B17/00
• 分類號: H04B17/00;H04B17/391;H04B17/309;H04B1/00;H04W12/122;G06N3/04;G06N3/08;G06N5/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 張歡

1.一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，包括硬件系統(tǒng)和軟件系統(tǒng)；

硬件系統(tǒng)包括頻譜收發(fā)模塊、軟件無線電模塊和智能計算模塊；頻譜收發(fā)模塊使用可重構天線接收與發(fā)射頻譜信號并傳遞給軟件無線電模塊，軟件無線電模塊對頻譜信號進行初步處理并傳遞給智能計算模塊，智能計算模塊完成頻譜信號的智能計算任務；

軟件系統(tǒng)包括系統(tǒng)參數(shù)配置模塊、頻譜處理模塊、數(shù)據(jù)管理模塊、對抗樣本生成模塊、智能訓練模塊、智能推理模塊，系統(tǒng)參數(shù)配置模塊、數(shù)據(jù)管理模塊、對抗樣本生成模塊、智能訓練模塊、智能推理模塊運行在智能計算模塊上；系統(tǒng)參數(shù)配置模塊完成所述在線對抗學習測試系統(tǒng)所需的參數(shù)配置，頻譜處理模塊對接收到的頻譜信號進行收發(fā)并加工處理；數(shù)據(jù)管理模塊對頻譜處理模塊處理后的射頻數(shù)據(jù)進行分批打包后輸入至智能訓練模塊；對抗樣本生成模塊生成對抗樣本；智能訓練模塊將數(shù)據(jù)管理模塊和對抗樣本生成模塊輸入的訓練集數(shù)據(jù)按批次送入神經(jīng)網(wǎng)絡進行在線訓練，迭代直至得到收斂的模型；智能推理模塊評估測試在無干擾對抗和干擾對抗時的模型性能。

2.根據(jù)權利要求1所述的一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，所述頻譜收發(fā)模塊使用的可重構天線為可收發(fā)頻譜信號的天線，要求其接收頻譜、功率參數(shù)能夠受軟件系統(tǒng)控制。

3.根據(jù)權利要求1所述的一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，所述軟件無線電模塊采用USRP設備，對天線接收數(shù)據(jù)進行載波濾波、調制解調處理。

4.根據(jù)權利要求1所述的一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，所述系統(tǒng)參數(shù)配置模塊包括硬件參數(shù)配置和算法參數(shù)配置，硬件參數(shù)配置包括頻譜采樣率、中心頻率、硬件傳輸?shù)臄?shù)據(jù)類型、收發(fā)的通道增益、帶寬、通道數(shù)的設置；算法參數(shù)配置對頻譜處理模塊、數(shù)據(jù)管理模塊、對抗樣本生成模塊、智能訓練模塊、智能推理模塊的各種參數(shù)進行配置，包括神經(jīng)網(wǎng)絡結構、學習率、迭代次數(shù)、對抗擾動大小、模型文件保存路徑的配置。

5.根據(jù)權利要求1所述的一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，所述頻譜處理模塊將參數(shù)配置應用于硬件系統(tǒng)，并控制硬件系統(tǒng)完成整個頻譜收發(fā)全流程，包括天線接收、信號檢測、載波頻率校準、符號相位同步、調制解調、編碼解碼；在發(fā)射頻譜信號前端添加同步頭，使得接收后通過同步頭相關器進行對準；

頻譜處理模塊的具體工作包括發(fā)送控制與接收控制；對于接收控制，頻譜處理模塊控制頻譜收發(fā)模塊接收頻譜信號，傳遞給軟件無線電模塊進行信號處理，將獲取的處理數(shù)據(jù)傳遞給智能計算模塊寫入數(shù)據(jù)緩存池，銜接數(shù)據(jù)管理模塊；對于發(fā)送控制，則根據(jù)數(shù)據(jù)管理模塊對于數(shù)據(jù)集的數(shù)量與多樣性要求，選擇不同的頻譜信號并添加相應同步頭，依次通過軟件無線電模塊、頻譜收發(fā)模塊發(fā)射頻譜數(shù)據(jù)。

6.根據(jù)權利要求1所述的一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，所述數(shù)據(jù)管理模塊設置緩存區(qū)，管理數(shù)據(jù)的發(fā)送間隔，頻譜數(shù)據(jù)實時存到緩存區(qū)，緩存區(qū)數(shù)據(jù)遵循先進先出原則，每次從緩存區(qū)取出包含所有種類的一批次數(shù)據(jù)集進行數(shù)據(jù)增強，將增強后的數(shù)據(jù)按設定的比例劃分為訓練集、測試集、驗證集三部分；

數(shù)據(jù)管理模塊包括數(shù)據(jù)打包部分、數(shù)據(jù)增強部分、數(shù)據(jù)控制部分；對于數(shù)據(jù)打包，根據(jù)智能訓練或推理的要求進行固定批量打包；對于數(shù)據(jù)增強，數(shù)據(jù)管理模塊對接收端的數(shù)據(jù)進行數(shù)據(jù)增強；對于數(shù)據(jù)控制，則確保每次從緩存區(qū)里取一批次包含所有訓練需要的標簽種類，不同數(shù)據(jù)的標簽根據(jù)設置不同的同步頭進行區(qū)分，設定臨界值，當緩存區(qū)數(shù)據(jù)到達臨界值時，自動暫停數(shù)據(jù)發(fā)送，當數(shù)據(jù)量降下時，恢復數(shù)據(jù)發(fā)送。

7.根據(jù)權利要求1所述的一種結合頻譜與智能的在線對抗學習測試系統(tǒng)，其特征在于，所述對抗樣本生成模塊根據(jù)神經(jīng)網(wǎng)絡模型采用對抗攻擊算法生成得到對抗樣本，將得到的對抗樣本送入數(shù)據(jù)管理模塊并添加到訓練集、測試集、驗證集中，或在訓練過程中，將原始數(shù)據(jù)和生成的對抗樣本一起送入神經(jīng)網(wǎng)絡模型進行訓練；

對抗樣本可選擇任意對抗算法生成，包括但不限于白盒攻擊、黑盒攻擊以及基于梯度的攻擊、基于優(yōu)化的攻擊、基于決策面的攻擊。