[发明专利]通信信号调制识别的跨层智能对抗方法、系统、介质及设备

权利要求书

1.一种通信信号调制识别的跨层智能对抗方法，其特征在于，包括以下步骤：

步骤一，提取识别网络在特征空间中对调制信号的分类特征，将分类特征作为信号在特征空间中的软标签；

步骤二，根据信号在识别网络中的真实特征确定特征层损失，产生初始特征对抗；

步骤三，将特征对抗输入识别网络得到预测概率，根据信号的真实标签确定决策层损失，产生对抗样本，实现跨层对抗。

2.根据权利要求1所述的方法，其特征在于，所述步骤一具体为：

将原始调制信号记为x，调制识别网络在特征空间中对输入信号的特征映射函数为f(x)；为了得到信号在特征空间中的聚集特性，将识别网络对每个信号映射的特征点投影到二维平面上，形成特征散点图；对于远离特征聚集区域的特征点，求得所有特征点在不同坐标轴上的中位数，并将其作为特征中心；

识别网络在第k层特征空间中对信号的分类特征中心表示为：

其中，F_k(x)表示类别特征，M表示相关特征点的个数，f^*(x)表示对输入特征映射的坐标值由小到大进行排序；

得到分类特征中心后，将特征中心作为特征标签标注在输入信号上进行匹配；将原始调制信号x的真实标签为记为l，在得到类别特征F_k(x)后，为每个输入信号标注特征标签。

3.根据权利要求1所述的方法，其特征在于，所述步骤二具体为：将信号输入到识别网络中，对于每个输入都会在识别网络的特征空间产生一个真实特征，将目标的真实特征与对应的类别特征之间的差异作为特征损失，通过增大特征损失和减小特征损失分别实现对识别网络的非定向攻击和定向攻击；

确定特征层损失具体过程为：使用欧式距离衡量信号在网络特征空间的真实特征与信号的类别特征之间的差异L_f，表示为：

其中，M表示相关特征点的个数，N表示输入识别网络信号样本的个数，f_k(x_ij)和F_k(x_ij)分别表示信号在该特征层的真实特征及其对应的类别特征，表示欧式距离的平方。

4.根据权利要求3所述的方法，其特征在于，所述步骤二产生初始特征对抗具体过程为：在得到损失函数后，利用损失函数对输入信号的梯度确定特征层对抗扰动g_f的方向；特征层扰动方向表示为：

其中，g_n表示第n次迭代的梯度累积量，μ表示衰减因子，x_n^*表示第n次迭代产生的对抗，表示第n步特征损失对于对抗的梯度，sign符号函数确定了特征对抗扰动的方向，||·||₁表示向量中各个元素绝对值之和；

确定对抗扰动的方向后，利用损失对输入梯度的特性及梯度的历史信息，构建迭代步长，调节对抗扰动的水平；特征层迭代步长表示为：

其中，α_n为每次迭代的总步长，λ(0≤λ≤1)为迭代步长因子，表示在特征层产生对抗时使用迭代步长的比例，|·|表示向量的绝对值，表示第n-1步特征损失对于对抗的梯度；

在无穷范数约束下确定扰动方向和扰动大小后，通过对输入信号在扰动方向上添加一定大小的扰动产生特征对抗。