《雷达学报杂志》发表论文赏析

联合误导性与逼真度优化的SAR ATR最优对抗样本生成方法

来源:雷达学报杂志2026年第2期北京时间:

作者:苏薪元, 全斯农, 蔡志豪, 邢世其, 汪俊澎

单位:国防科技大学电子信息系统复杂电磁环境效应国家重点实验室 长沙 410073;

摘要:对抗样本生成研究是揭示深度神经网络脆弱性及提升合成孔径雷达自动目标识别(SAR ATR)系统鲁棒性的关键。该文针对对抗样本的误导效能与视觉隐蔽这一核心矛盾的平衡问题,提出了联合误导性与逼真度优化的SAR ATR最优对抗样本生成方法,将对抗样本的生成过程建模为一个以“误导性”和“逼真度”为目标的联合优化问题。该文首先提出了一种集成复合变换攻击法以增强攻击的有效性,并构建了融合目标模型分类准确率(ACC)与学习感知图像块相似度(LPIPS)的联合度量模型以量化两个优化目标。随后,提出一种改进的均匀性引导多目标雾凇算法,通过融合Tent混沌映射、混合动态权重和黄金正弦引导,高效地求解该模型,从而获得一组代表不同权衡程度的帕累托最优解集。最终,利用YOLOv10网络对解集中的样本进行扰动检测,以定位扰动被发现的临界点,实现最优参数的量化。在MSTAR和MiniSAR数据集上的实验表明,所提集成复合变换攻击法针对不同集成模型和分类网络的平均目标模型识别准确率为8.96%,总体误导效果较其他方法平均提升了2.25%,其中复杂模型平均提升5.56%;所提均匀性引导的多目标雾凇算法在解集多样性和收敛速度方面较对比方法提升均超过25%;最终该方法能够在ACC降至28.81%的同时,将LPIPS控制在0.407,扰动因子仅为0.031,实现了误导性与逼真度的最佳平衡。该参数在6种不同防御策略下均能保持有效误导,验证了其强鲁棒性,为SAR ATR领域的对抗攻击研究提供了新的思路与量化基准。

关键词:合成孔径雷达自动目标识别, 对抗样本生成, 集成复合变换攻击法, 多目标优化, 均匀性引导多目标雾凇算法

基金资助:国家自然科学基金(62471471)

2026年2期其他文献查阅:

基于多源信息跨域学习的SAR图像目标检测技术研究进展与展望

基于视觉语言模型的SAR图像目标解译综述

DGS-CapNet:基于空间-频率感知的SAR图像描述模型

基于局部拟合一致性的机载SAR图像与仿真SAR图像匹配方法

基于物理感知频空注意力与运动学约束的半监督视频SAR阴影跟踪

基于自监督强化学习的SAR距离压缩域舰船目标检测方法

基于主散射时间熵的多时相极化SAR盐田区域分类

基于有源干扰机的SAR智能识别对抗方法

联合误导性与逼真度优化的SAR ATR最优对抗样本生成方法

仿真数据辅助的雷达HRRP小样本目标识别方法

自适应PHD-BOF:一种基于低空监视雷达的慢速目标跟踪方法

面向海事雷达目标跟踪的自适应多视野聚焦贝叶斯融合相关滤波器

基于互信息熵-改进PHD协同的非合作双基地雷达目标跟踪

雷达变脉宽脉冲串与接收失配滤波协同设计方法

一种面向机械旋转变极化雷达的蝙蝠超分辨改进算法

地球同步轨道SAR运动舰船探测跟踪定位方法与实验验证

众源数据辅助的高分辨率SAR影像控制点自动提取与校正方法研究

基于国产商业SAR卫星的城区建构筑物层析三维成像

基于高分三号SAR图像的海面起伏场准线性反演

基于机器学习的Sentinel-1 SAR多普勒频移风、浪响应建模与海流反演

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!