SAR图像稀疏对抗攻击

来源：信号处理杂志 2021年第9期北京时间：

作者： 周隽凡, 孙浩, 雷琳, 计科峰, 匡纲要

摘要：基于深度学习的图像解译技术在多个领域都取得了巨大成功，在合成孔径雷达（Synthetic Aperture Radar，SAR）图像分类、检测、分割等问题中也逐渐开始广泛应用。现有的SAR图像分类深度学习模型由于训练数据集样本量较小易过拟合，样本的微小改变易导致模型分类错误，产生对抗攻击现象。针对上述问题，本文从攻击方法、攻击结果和攻击目标三方面说明了SAR图像对抗攻击存在的问题和挑战。本文聚焦SAR图像的稀疏性，具体阐述了稀疏攻击提出背景和SAR图像中稀疏性的表现形式,并就常见稀疏攻击方法进行分析总结。文章在MSTAR数据集上验证了现有的稀疏攻击方法的有效性，分析了算法计算效率和成功率、耗时等指标，并对SAR图像分类稀疏对抗攻击方法进行展望。

关键词：合成孔径雷达, 自动目标识别, 深度学习, 对抗攻击, 稀疏攻击