基于对抗攻击的SAR舰船识别卷积神经网络鲁棒性研究

来源：信号处理杂志 2020年第12期北京时间：

作者：徐延杰, 孙浩, 雷琳, 计科峰, 匡纲要

摘要：随着深度学习技术的迅猛发展，卷积神经网络(Convolutional Neural Networks,CNN)在合成孔径雷达(Synthetic Aperture Radar,SAR)舰船分类任务上取得很高的精度。但同时，由于SAR成像存在相干斑噪声等特性以及CNN自身的脆弱性，使得预测结果稳定性较差，在实际应用中存在明显隐患。针对上述CNN在SAR舰船识别分类任务上鲁棒性不足的问题，本文将对抗样本引入到SAR舰船识别鲁棒性的研究之中，通过从梯度、边界、黑盒模拟等多个角度对CNN网络进行全方位的对抗攻击及干扰，实现了对各SAR舰船识别CNN网络的综合评估，并依照评估结果完成针对性的鲁棒性增强方案的制定，为SAR舰船识别鲁棒性研究开拓了新的领域。

关键词：合成孔径雷达, 舰船识别, 对抗样本, 卷积神经网络