基于稀疏子空间采样的信号检测网络黑盒查询对抗攻击方法

来源：电子与信息学报杂志2025年第8期北京时间：

作者：李东阳, 王林元, 彭进先, 马德魁, 闫镔

单位：1.信息工程大学成像与智能处理实验室 郑州 4500012.中国人民解放军63611部队 库尔勒 841000

摘要：随着深度神经网络在信号检测任务的应用，神经网络易受到对抗样本攻击的脆弱性也受到了广泛关注。针对无法获取模型内部信息的信号检测网络黑盒攻击场景，该文提出一种基于稀疏子空间采样的黑盒查询对抗攻击方法。该方法将信号样本检测数量消失比例作为判断攻击是否成功的约束条件，构造信号检测网络对抗样本攻击模型，参考跳步跳跃攻击(HSJA)算法设计基于决策边界的信号检测网络黑盒查询对抗攻击方法求解该模型，以生成信号对抗样本。为了进一步改善查询效率，该文根据信号对抗扰动特点构建稀疏子空间采样进行查询攻击，即在生成对抗样本时，按照一定比例选择具有较大幅度的信号分量，并仅在这些选定的分量上添加扰动。实验结果表明，在信号目标消失数量比例0.3的决策边界下，稀疏子空间采样黑盒对抗攻击方法使得信号检测网络mAP值降低了43.6%、召回率降低了41.2%。与全空间采样方法相比，稀疏子空间采样方法攻击成功率提升了2.5%，且对抗扰动平均能量比降低了3.47%。稀疏子空间采样攻击方法可以使得信号检测网络性能明显下降，相较于全空间采样具有攻击成功率更高、扰动强度更小等优势。

关键词：信号检测网络, 信号对抗样本, 黑盒查询攻击, 稀疏子空间采样

基金资助：国家自然科学基金(62271504)