[发明专利]一种基于LID的信号对抗样本检测器设计方法

权利要求书

1.一种基于LID的信号对抗样本检测器的设计方法，其特征在于，所述方法包括以下步骤：

1)对信号调制数据进行预处理，并设计调制分类模型：对已有的数据进行一定的标准化处理，同时划分训练集与测试集，根据信号数据类型和特征，构造信号调制分类器；

2)根据信号调制分类器结合对抗样本生成方法设计对抗样本生成器：选用基于FGSM攻击的信号样本生成方法，根据获取信号调制分类器的模型参数对输入的信号的原始输入数据进行梯度方向的调整，使得在输入样本变化细微的情况下，信号调制分类器对生成的对抗样本的调制类型分类错误；

3)根据调制分类器模型设计网络层信息评估函数：根据分类器模型获取其每层的深度表征，即模型每一层对输入数据的处理值，输入数据为正常样本与对抗样本，根据设定的k阶邻居计算出正常样本、对抗样本的LID值；

4)设计信号的正常样本与对抗样本检测器：根据网络层信息评估函数得到的特征值，将正常样本与对抗样本的特征值拼接并添加标签，其中对抗样本标签为0，正常样本标签为1，将拼接后的数据划分为训练集与测试集，并训练一个逻辑回归分类器，最后用测试集测试分类器效果。

2.如权利要求1所述的一种基于LID的信号对抗样本检测器的设计方法，其特征在于，所述步骤1)的过程如下：

1.1：对信号数据进行标准化，并将信号数据划分为训练集与测试集，标准化后的信号数据中的正常样本与调制类型的标签分别用X，Z表示，X＝{x₁,x₂,…,x_n}，其中标准化公式：

其中，x_i表示标准化后的正常样本，x_n^*表示为标准化正常样本，n表示样本的总量，i为信号的第i个样本，表示正常样本的最小值，表示正常样本的最大值；

1.2：使用训练集的数据对搭建的分类模型进行训练，

信号分类模型：

f(X)＝Z (2)

其中，f()为分类模型，Z为模型的输出标签值；

信号分类模型共有m层，用评估函数Y()表示为：

Y(X)＝{y₁(X),y₂(X),…,y_m(X)} (3)

y_j(X)＝{y_j(x₁),y_j(x₂),…,y_j(x_n)},j＝1,…,m (4)

其中，j表示分类模型的第j层，Y_j()表示分类模型的第j层网络层的评估函数，y_j()表示正常样本在模型的第j网络层的输出向量。

3.如权利要求1或2所述的一种基于LID的信号对抗样本检测器的设计方法，其特征在于，所述步骤2)的过程如下：

FGSM方法是一种基于梯度的对抗样本生成方法，其通过求出模型对输入的导数，然后用符号函数sign()得到其具体的梯度方向，接着乘以一个步长ε，得到的扰动加在原来的输入上就得到了在FGSM攻击下的样本，公式如下：

X'＝X+ε*sign(▽_XJ(X,Z)) (5)

其中X’为对抗样本，X’＝{x₁’,x₂’,…,x_n’}，ε为扰动系数，J(X,Z)为模型的损失函数。