[发明专利]一种基于KD的信号对抗样本检测方法

权利要求书

1.一种基于KD的信号对抗样本检测方法，其特征在于，包括以下步骤：

S1：获取信号训练集和信号测试集，构建神经网络分类模型，并通过信号训练集对神经网络分类模型进行训练，得到信号调制分类器和信号调制分类器的参数，使用信号调制分类器对信号训练数据集和测试集进行分类，根据分类结果对信号测试集进行调整，得到原始样本数据集；

S2：基于快速梯度下降法，根据信号调制分类器的参数，攻击原始样本数据集，得到对抗样本数据集；

S3：根据信号训练集，信号调制分类器和信号调制器的参数，对原始样本数据集、对抗样本数据集进行计算，得到原始样本数据集、对抗样本数据集的核密度估计值，对所述核密度估计值进行整合，得到特征数据集；

S4：将特征数据集分为特征训练集和特征测试集，基于逻辑回归算法构建逻辑回归分类器，使用特征训练集对逻辑回归分类器进行训练，使用特征测试集对逻辑回归分类器进行分类测试，得到检测结果。

2.根据权利要求1所述基于KD的信号对抗样本检测方法，其特征在于：

步骤S1所述使用信号调制分类器对信号训练数据集和测试集进行分类，根据分类结果对信号测试集进行调整的方法为：

f(X)＝X_Z (1)

f(y_i)＝Z_i,i＝1,2,…n (2)

其中，f()为信号调制分类器，X表示信号训练集，X_Z表示信号训练集调制类型标签；Y表示信号测试集，Y_Z表示信号测试集调制类型标签，y_i为信号测试集Y中第i个数据，y_Zi为y_i所对应的调制类型标签；其中Z_i为信号调制分类器输出的标签；如果Z_i＝y_Zi则保留y_i得到原始样本数据集M。

3.根据权利要求1所述基于KD的信号对抗样本检测方法，其特征在于：

步骤S2中所述的攻击原始样本数据集具体步骤为：

基于快速梯度下降法，根据信号调制分类器的参数，将原始样本数据集中的数据做梯度方向的调整，将调整后的原始样本数据集中的数据输入信号调制分类器，使信号调制分类器分类错误，保留调整后的原始样本集中的数据，得到对抗样本数据集。

4.根据权利要求3所述基于KD的信号对抗样本检测方法，其特征在于：

步骤S2得到对抗样本数据集的具体方法为：

其中M^*为对抗样本数据集，M为原始样本数据集，ε为扰动系数，为信号调制分类器对原始样本数据集的导数，sign()为符号函数，J(Θ,M,M_Z)为信号调制分类器的损失函数；M_Z为M的调制类型标签；Θ为信号调制分类器参数。

5.根据权利要求1所述基于KD的信号对抗样本检测方法，其特征在于：

步骤S3得到原始样本数据集、对抗样本数据集的核密度估计值具体方法为：

K(x,X_t)是原始样本数据集、对抗样本数据集中的数据x的核密度估计值，其中X_t是信号训练集X中t调制类别的集合，φ(x)是当输入数据为x，信号调制分类器最后一个隐藏层激活向量，k_σ()为核函数，选择高斯函数，σ是带宽。