DeepFake：基于深度对决网络的抗反应式干扰欺骗策略

本文提出 DeepFake，一种基于深度强化学习的新型欺骗策略，用于应对反应式干扰攻击。具体而言，对于智能且反应式的干扰攻击，干扰机能够感知信道，并在检测到合法发射机通信时对信道发起攻击。为应对此类攻击，我们提出一种智能欺骗策略，允许合法发射机发送“假”信号以吸引干扰机。随后，若干扰机攻击信道，发射机可利用强干扰信号，通过环境反向散射通信技术传输数据，或从强干扰信号中收集能量以备后用。如此，我们不仅能削弱干扰机的攻击能力，还能利用干扰信号提升系统性能。为有效从干扰攻击的动态与不确定性中学习并适应，我们开发了一种使用深度对决神经网络架构的新型深度强化学习算法，以求得最优策略，其速度比传统强化算法快千倍。大量仿真结果表明，所提 DeepFake 框架在吞吐量、丢包率和学习率方面优于其他抗干扰策略。