一种基于SAR目标识别网络的对抗样本快速生成方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120079A(43)申请公布日2022.03.01(21)申请号202111434815.7G01S13/90(2006.01)(22)申请日2021.11.29(71)申请人南京航空航天大学地址211106江苏省南京市江宁区将军大道29号(72)发明人夏伟杰刘哲李海林周建江汪飞(74)专利代理机构北京东方盛凡知识产权代理事务所(普通合伙)11562代理人李娜(51)Int.Cl.G06V10/82(2022.01)G06V10/774(2022.01)G06N3/08(2006.01)G06F30/27(2020.01)权利要求书3页说明书10页附图3页(54)发明名称一种基于SAR目标识别网络的对抗样本快速生成方法(57)摘要本发明公开了一种基于SAR目标识别网络的对抗样本快速生成方法，包括以下步骤：采集用于模型训练的SAR图像数据集，根据通用目标识别模型，构建基于深度学习的SAR图像目标识别模型，并通过采用对抗扰动生成算法，获取SAR图像目标识别模型的通用对抗扰动；采集用于SAR成像的雷达参数并进行二维相位干扰调制，获取调制干扰策略；并根据无约束最小优化算法，采用Adam优化器，迭代求解二维相位调制序列；并依据调制干扰策略，获取用于干扰识别效果的通用生成扰动，通过将通用生成扰动添加到SAR图像数据集，获取SAR图像目标识别模型的对抗样本；本发明为物理实现SAR图像通用对抗扰动生成提供了技术支持。CN114120079ACN114120079A权利要求书1/3页1.一种基于SAR目标识别网络的对抗样本快速生成方法，其特征在于，包括以下步骤：采集用于模型训练的SAR图像数据集，根据通用目标识别模型，构建基于深度学习的SAR图像目标识别模型，并通过采用对抗扰动生成算法，获取所述SAR图像目标识别模型的通用对抗扰动。其中，所述通用目标识别模型用于表示普遍使用的SAR图像识别模型；采集用于SAR成像的雷达参数并进行二维相位干扰调制，获取用于干扰所述SAR图像目标识别模型的识别效果的调制干扰策略。其中，所述调制干扰策略用于表示相位调制的区域数量及位置；基于所述通用对抗扰动和所述调制干扰策略，根据无约束最小优化算法，采用Adam优化器，迭代求解二维相位调制序列；基于所述二维相位调制序列，依据所述调制干扰策略，获取用于干扰所述识别效果的通用生成扰动，通过将所述通用生成扰动添加到所述SAR图像数据集，获取所述SAR图像目标识别模型的对抗样本。2.根据权利要求1所述一种基于SAR目标识别网络的对抗样本快速生成方法，其特征在于：在构建基于深度学习的SAR图像目标识别模型的过程中，所述通用目标识别模型至少包括，LeNet模型、VGGNet16模型、ResNet18模型、ResNet50模型。3.根据权利要求2所述一种基于SAR目标识别网络的对抗样本快速生成方法，其特征在于：在获取所述通用对抗扰动的过程中，所述通用对抗扰动的获取步骤包括：S101.采集所述SAR图像目标识别模型的期望愚弄率及扰动最大值，通过输入所述SAR图像数据集，根据所述对抗扰动生成算法，获取所述通用对抗扰动；S102.判断步骤101得到的通用对抗扰动叠加在原始图像得到的SAR对抗样本是否能够满足所述期望愚弄率；若满足，则结束；若不满足，则执行所述步骤101。4.根据权利要求3所述一种基于SAR目标识别网络的对抗样本快速生成方法，其特征在于：在获取所述SAR图像目标识别模型的通用对抗扰动的过程中，所述对抗扰动生成算法的算法表达式为：f(x+υ)≠f(x),formostx～μ式中，输入样本x满足分布μ，υ表示通用对抗扰动，f(x)表示目标识别模型预期输出结果。5.根据权利要求4所述一种基于SAR目标识别网络的对抗样本快速生成方法，其特征在于：在采用对抗扰动生成算法的过程中，所述对抗扰动生成算法还包括算法约束条件，通过选择满足所述算法约束条件的所述对抗扰动生成算法，获取所述通用对抗扰动，其中，所述算法约束条件为：||υ||p≤ξ其中，ξ表示通用对抗扰动υ的最大值，δ表示在整个SAR图像数据集中期望愚弄率。2CN114120079A权利要求书2/3页6.根据权利要求5所述一种基于SAR目标识别网络的对抗样本快速生成方法，其特征在于：在获取所述调制干扰策略的过程中，根据SAR图像二维相位调制干扰机理进行所述二维相位干扰调制，其中，所述SAR图像二维相位调制干扰机理为：sj(t,η)＝s0(t,η)·pr(t)·pa(η)式中：t为距离向时间，η为方位向时间，sj(t,η)为SAR图像二维调制干扰成像结果，s0(t,η)为SAR图像原始成像结果，pr(t)为距离向相位调制结果，pa(η)为方位向相位调