[发明专利]一种基于纯净标签的电磁信号调制类型识别的中毒攻击方法

权利要求书

1.一种基于纯净标签的电磁信号调制类型识别的中毒攻击方法，其特征在于，所述方法包括以下步骤：

1)对电磁信号数据进行预处理：对已有的数据进行标准化处理，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)搭建信号神经网络分类模型：利用1D_Resnet深度残差网络搭建电磁信号的神经网络分类模型，加入Softmax分类器，输入训练样本进行模型训练；并根据信号分类准确率评估模型性能，获取电磁信号分类模型的结构和权重参数；

3)获取中毒样本：在测试样本中采样信号样本，获取样本通过网络传播到Softmax分类层的特征输出，即获取样本输入的特征空间的表示；先指定需要攻击的目标样本，再选择需要攻击的类别，从该类别中选择特征表示空间最接近目标的一个样本，将其视为基样本；

4)优化中毒样本：以基样本为起始点，利用Adam优化算法进行迭代生成中毒样本，每次迭代过程中更新信号样本的特征表示空间，最终使目标样本与中毒样本特征表示空间接近，但输入空间几乎不改变；

5)进行中毒攻击：利用迁移学习方法，保留预先训练的特征提取网络，将最终的Softmax分类层进行重新训练，由于目标样本的特征空间与中毒样本特征空间极为相似，使得Softmax层训练时分类决策边界产生旋转，造成目标样本被分类到特定的基类中，最终通过分类结果，统计中毒样本生成成功率和模型攻击效果。

2.如权利要求1所述的基于纯净标签的电磁信号调制类型识别的中毒攻击方法，其特征在于，所述步骤1)中，将信号数据划分为训练集与测试集，并对信号数据进行标准化，标准化后的信号数据样本与其调制类型的标签分别用X和Z表示，X＝{x₁,x₂,…,x_n}，标准化公式如下：

其中，x_i表示标准化后的信号样本，表示为原始信号样本，n表示信号样本的总数，i为信号数据集中的第i个样本，表示信号样本的最小值，表示信号样本的最大值。

3.如权利要求1或2所述的基于纯净标签的电磁信号调制类型识别的中毒攻击方法，其特征在于，所述步骤2)中，所使用的信号分类模型为深度残差网络1D_Resnet，此分类模型包含卷积层，池化层，批归一化层和全连接层；

卷积层数学表达式为：

其中Out_c表示卷积层输出的尺寸，即输出卷积层的长度和宽度，N_c表示卷积核的大小，F_c表示输入卷积层尺寸，Pad_c表示padding大小，padding为输入卷积层前张量每条边补充0的层数，str_c表示卷积核移动步长；

池化层数学表达式如下：

其中Out_p表示池化层输出的尺寸，N_p表示池化层输入的尺寸，str_p表示池化滤波器移动步长，F_p表示池化层滤波器尺寸；

将输入向量与经过卷积池化后输出向量进行对应维度进行叠加构成残差单元Residual Stack，残差单元的公式如下：

z＝w₂σ(w₁s)+s (4)

其中σ表示激活函数ReLU，w₁和w₂分别表示单元中两个权重层的权重参数，s表示输入张量，z表示输出张量；

若模型输入向量为X,则经过第m个残差单元后输出为：

X^(m)＝Residual Stack(X^(m-1)) (5)

其中X⁽⁰⁾＝X，Residual Stack表示残差单元，然后用Flatten函数将残差网络的输出变为一维矩阵输入至全连接层：

Z⁽⁰⁾＝Flatten(X⁽ⁱ⁾) (6)

Z^(l)＝ReLU(W^(l)·Z^(l-1)+c^(l)) (7)

其中i表示残差单元的总个数，Z^(l-1)和Z^(l)分别表示第l个全连接层的输入和输出，这里1≤l≤j-1，j表示全连接层的总数量，W^(l)表示该层的权重矩阵，c^(l)表示该层的偏置矩阵，ReLU为激活函数；

将此模型在150种调制类别的电磁信号数据集上进行训练，使其拥有良好的特征提取能力，并将其作为电磁信号分类任务迁移训练的模板。