针对无通用对抗扰动的射频信号分类的神经网络否决系统
机器学习
2025-06-16 v1 人工智能
摘要
近年来，深度学习相对于传统方法的优势已在射频信号分类中得到证明。然而， various researchers 发现即使是小幅但有意的特征扰动（即对抗样本）也会显著恶化基于深度学习的射频信号分类性能。在各种类型的对抗样本中，通用对抗扰动因其数据独立的特征而受到广泛关注，因而作为一种高成功率欺骗射频信号分类的实用策略。因此，本文提出一种称为神经网络否决系统的防御系统以应对通用对抗扰动，并通过生成白盒通用对抗扰动来评估其性能。我们表明，所提出的神经网络否决系统能够在显著高于未防御的深度神经网络的准确率下防御通用对抗扰动。
引用
@article{arxiv.2506.11901,
title = {A Neural Rejection System Against Universal Adversarial Perturbations in Radio Signal Classification},
author = {Lu Zhang and Sangarapillai Lambotharan and Gan Zheng and Fabio Roli},
journal= {arXiv preprint arXiv:2506.11901},
year = {2025}
}