-
公开(公告)号：CN116628468A
公开(公告)日：2023-08-22
申请号：CN202310231794.1
申请日：2023-03-10
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例涉及无线通信技术领域，特别涉及一种样本攻击防御效果可解释驱动的电磁信号感知方法，包括：获取原始电磁信号的IQ数据，并基于所述IQ数据，生成正常样本；对IQ数据添加攻击，得到攻击后的IQ数据，并基于攻击后的IQ数据，生成对抗样本；基于对抗样本，从模型失败的角度检验神经网络内部的特征表示，对电磁信号感知过程中样本的攻击效果进行解释，验证对抗样本生成成功；基于深度神经网络模型，通过对抗训练进行对抗防御，采用基于梯度的类激活映射方法，从可解释角度对使用对抗训练进行对抗防御验证进行验证。本申请提供的样本攻击防御效果可解释驱动的电磁信号感知方法，能够实现攻击防御效果都可解释的电磁信号样本智能感知。
-
公开(公告)号：CN114118158A
公开(公告)日：2022-03-01
申请号：CN202111444754.2
申请日：2021-11-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种反黑盒探测攻击的稳健电磁信号调制类型识别方法，通过已收集电磁信号构建数据集；搭建教师网络，通过所述数据集训练教师网络，并且通过所述训练教师网络生成软标签；依据实际电磁信号调制类型识别网络的网络结构，搭建相同结构的学生网络，通过所述软标签、数据集、硬标签训练学生网络，并将参数传递给电磁信号调制类型识别网络。本发明通过更新实际电磁信号调制类型识别网络参数，达到反黑盒探测攻击的效果，能够在面对黑盒探测攻击生成的对抗样本时，提供更强的防御能力，降低对抗样本对电磁信号调制类型识别网络识别准确率的影响，克服攻击者的蓄意攻击，构建更加稳健的电磁信号调制类型识别系统。
-
公开(公告)号：CN112924749B
公开(公告)日：2021-12-21
申请号：CN202110156715.6
申请日：2021-02-04
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种无监督对抗学习电磁频谱异常信号检测方法，该方法为：对获取的功率谱数据进行预处理，获得功率谱密度估计；通过所述功率谱密度估计构建基于深度学习的电磁频谱异常检测模型；通过所述电磁频谱异常检测模型对任意一功率谱数据确定重构误差Lr和判决器损失Ld；根据所述重构误差Lr和判决器损失Ld确定异常结果Aresult，并且通过异常结果Aresult确定电磁频谱数据是否存在异常。本发明结合功率谱数据的局部特性，使用卷积神经网络代替传统方式的全连接网络，减小了网络的规模；采用对抗自编码器，将对抗思想引入电磁频谱异常信号检测，能够学习到更加有效的特征，相比传统普通的编解码器模型有更好的检测能力。
-
公开(公告)号：CN118094283A
公开(公告)日：2024-05-28
申请号：CN202311607942.1
申请日：2023-11-28
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/094
Abstract: 本发明提供一种基于互补对抗训练的电磁信号深度学习稳健分类方法，包括：获取开源调制信号数据集；对开源调制信号数据集进行归一化预处理，得到训练集和测试集；基于对抗攻击方法和扰动样本生成算法分别对训练集进行处理，得到对抗样本集和扰动样本集；将对抗样本集、扰动样本集和训练集进行组合，得到新的训练集；基于互补对抗训练算法和新的训练集进行训练，得到目标分类器；通过测试集验证目标分类器的性能。本发明的基于互补对抗训练的电磁信号深度学习稳健分类方法在一定扰动范围内提高了模型的鲁棒性的同时，还提高了模型的泛化性，弥补了一般对抗训练方法的不足。
-
公开(公告)号：CN117729551A
公开(公告)日：2024-03-19
申请号：CN202211119534.7
申请日：2022-09-14
Applicant: 西安电子科技大学
IPC: H04W16/10 , H04W16/22 , H04B17/336 , H04B17/382 , H04L27/00 , G06F18/24 , G06N3/045 , G06N3/048 , G06N3/09
Abstract: 本发明涉及一种电磁信号可解释智能感知方法，属于无线通信技术领域，用于解决现有技术中无法对电磁频谱正确感知的原因进行可解释性分析。所述方法对待感知信号的循环谱输入预设的深度神经网络模型，提取无线网络信号特征，同时将深度学习方法应用于频谱感知问题，最后将输出层的值投影回卷积特征映射来识别图像区域，通过特征映射直观地标注特定类别的区别区域，从而确定出网络进行频谱感知的原因，实现电磁信号可解释智能感知。
-
Patent Agency Ranking
公开(公告)号：CN117713964A
公开(公告)日：2024-03-15
申请号：CN202211148319.X
申请日：2022-09-20
Applicant: 西安电子科技大学
IPC: H04B17/345 , G06N3/0464 , G06F18/10 , G06F18/241
Abstract: 本发明涉及一种用于认知决策的通信系统干扰定量分析方法，属于无线通信技术领域。所述方法在通信对抗中，将干扰信号的频谱图作为输入，基于被干扰的通信信号，利用与识别的干扰信号类型对应的受扰分析模型，对被干扰的通信信号进行定量分析。所述方法能够快速准确地识别单音干扰、多音干扰、窄带干扰、宽带干扰、脉冲干扰或瞄准式干扰等干扰信号类型，从整体上减少确定受干扰分析模型时间，以满足战时时效性需求。通过对被干扰的通信信号的定量分析，为战时复杂环境下，通信方式的选取，通信参数的设置等提供理论依据，为被干扰时采取相应对抗措施，实现通信系统的有效抗干扰提供决策支持。
-
公开(公告)号：CN116347332A
公开(公告)日：2023-06-27
申请号：CN202310193071.7
申请日：2023-03-02
Applicant: 西安电子科技大学
IPC: H04W4/02 , H04W4/90 , H04B17/318
Abstract: 本申请实施例涉及通信技术领域，特别涉及一种震后搜救定位方法、系统、设备及存储介质，该方法包括：首先，根据移动通信网络协议，生成伪基站诱导信号，并诱导救援目标的移动终端发出信号接入网络；接下来，多个信号采集节点对震后环境中的电磁信号进行同步采集；最后，对多个救援目标同时进行定位分析，得到救援目标的位置信息以及与所述救援目标对应的移动终端的信号强度。本申请实施例提供的震后搜救定位方法，能够在较少的迭代过程中获取准确的待救援目标位置定位，计算耗时少，可用于实时对多名被困人员进行同时、大范围、高效地搜寻定位。
-
公开(公告)号：CN115358283A
公开(公告)日：2022-11-18
申请号：CN202210561300.1
申请日：2022-05-23
Applicant: 西安电子科技大学
Abstract: 本申请提供一种电磁信号孪生深度学习识别方法、装置、设备及存储介质，该方法包括：获取待识别电磁信号；待识别电磁信号输入预建孪生网络，得到待识别电磁信号对应的特征向量；根据特征向量与每一类别的类均值向量，确定待识别电磁信号的类别。该方案抵御对抗样本的攻击性能较好。
-
公开(公告)号：CN114554497A
公开(公告)日：2022-05-27
申请号：CN202210271164.2
申请日：2022-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于LSTM优化DQN网络的多约束频谱分配方法，在前处理阶段获取系统内各项设备参数指标与频段资源数据并计算各功能矩阵；初始化DQN网络并完成前期预处理结果与网络元素的映射；设置仿真阶段数episode并记为e，将网络的训练过程分为多个e；更新搜索概率pt；在集中式分配的基础上采用局部分布方式依次对环境内设备Di进行动作，即频段的选取工作，并最终汇总为整体动作at；整体网络迭代学习；收集并更新历史最优整体动作at，并将其作为最优的频谱分配方案输出，将依次为各设备分给具体频段资源。本发明在满足不同设备优先顺序的约束下，对允许资源复用的无模型随机环境内所有设备各项信息进行综合分析。
-
公开(公告)号：CN114554497B
公开(公告)日：2024-11-19
申请号：CN202210271164.2
申请日：2022-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于LSTM优化DQN网络的多约束频谱分配方法，在前处理阶段获取系统内各项设备参数指标与频段资源数据并计算各功能矩阵；初始化DQN网络并完成前期预处理结果与网络元素的映射；设置仿真阶段数episode并记为e，将网络的训练过程分为多个e；更新搜索概率pt；在集中式分配的基础上采用局部分布方式依次对环境内设备Di进行动作，即频段的选取工作，并最终汇总为整体动作at；整体网络迭代学习；收集并更新历史最优整体动作at，并将其作为最优的频谱分配方案输出，将依次为各设备分给具体频段资源。本发明在满足不同设备优先顺序的约束下，对允许资源复用的无模型随机环境内所有设备各项信息进行综合分析。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.025 seconds)
