基于决策边界敏感性和小波变换的电磁信号调制智能识别对抗样本检测方法

来源：信号处理杂志 2024年第4期北京时间：

作者：徐东伟, 蒋斌, 朱慧燕, 宣琦, 王巍, 林云, 沈伟国, 杨小牛

摘要：深度学习在图像分类和分割、物体检测和追踪、医疗、翻译和语音识别等与人类相关的任务中取得了巨大的成功。它能够处理大量复杂的数据，并自动提取特征进行预测，因此可以更准确地预测结果。随着深度学习模型的不断发展，以及可获得的数据和计算能力的提高，这些应用的准确性不断提升。最近，深度学习也在电磁信号领域得到了广泛应用，例如利用神经网络根据信号的频域和时域特征对其进行分类。但神经网络容易受到对抗样本的干扰，这些对抗样本可以轻易欺骗神经网络，导致分类错误。因此，对抗样本的生成、检测和防护的研究变得尤为重要，这将促进深度学习在电磁信号领域和其他领域的发展。针对现阶段单一的检测方法的有效性不高的问题，提出了基于决策边界敏感性和小波变换重构的对抗样本检测方法。利用了对抗样本与正常样本对模型决策边界的敏感性差异来进行检测，接着针对第一检测阶段中未检测出的对抗样本，本文利用小波变换对样本进行重构，利用样本去噪前后在模型中的预测值差异来进行检测。本文在两种调制信号数据集上进行了实验分析，并与基线检测方法进行对比，此方法更优。这一研究的创新点在于综合考虑了模型决策边界的敏感性和小波变换的重构能力，通过巧妙的组合，提出了一种更为全面、精准的对抗样本检测方法。这为深度学习在电磁信号领域的稳健应用提供了新的思路和方法。

关键词：‍‍对抗样本检测, 小波重构, 决策边界, 电磁信号, 对抗攻击