通信信號智能調制識別對抗攻擊研究

張正豪，陳家軍，黃知濤，王 翔，柯 達

（1.國防科技大學電子科學學院電子信息系統復雜電磁環境效應國家重點實驗室，湖南 長沙410073；2.國防科技大學電子對抗學院，安徽 合肥 230000； 3.中國人民解放軍73676 部隊，江蘇 江陰 214400）

0 引言

傳統的調制識別算法主要包括基于決策理論的最大似然假設檢驗方法和基于特征提取的模式識別方法［1］，但是傳統方法過度依賴專家知識和先驗信息，因此難以適應日趨復雜的電磁環境和信號體制。為了解決這一問題，近些年眾多學者將深度學習技術引入了調制識別任務。O’ Shea 等人［2］將數據的IQ兩路信號輸入卷積神經網絡中，成功實現了11 類信號的調制識別；West 等人［3］研究了神經網絡各組成部分對調制識別性能的影響，對卷積神經網絡（CNN）和卷積長短時深度神經網絡（CLDNN）在公開數據集RML2016.10a 上的分類性能進行比較，提出卷積神經網絡性能并沒有隨著網絡深度和復雜度的增加而提升。

基于深度學習技術的智能模型極易受到對抗樣本的攻擊［4］，因此將其應用于調制識別領域時不得不考慮安全性問題。此外，研究通信信號對抗樣本的特性對于建立魯棒性更強的智能調制識別模型也具有一定的指導意義。由此可見，通信信號調制波形對抗攻擊的研究在智能通信系統的攻防兩端都具有深遠的研究意義和廣闊的應用前景。

1 基于深度學習的調制識別算法

基于深度學習技術的調制識別算法克服了傳統調制識別算法的部分局限，使得調制識別效率大大提升。……