电磁频谱预测的智能对抗方法、系统、设备及介质技术方案

电磁频谱预测的智能对抗方法、系统、设备及介质，其方法为：根据时间序列预测类神经网络中初始时隙和预测值的关系，求得基于深度学习的频谱预测的中毒攻击优化问题的两个特解：传统形式和触发形式，它们的解为对应的特定增量；传统形式通过对初始时隙加入特定增量来污染训练集，阻碍训练过程，使训练收敛时间延长、训练完成后的网络模型预测精度下降；触发形式通过对初始时隙和零值预测标签加入特定增量来植入后门，训练完成后的网络模型能够进行正常的频谱预测，但是当后门被触发时，出现显著的性能下降；其系统、设备及介质能够基于电磁频谱预测的智能对抗方法，进行电磁频谱预测的智能对抗，传统形式更加简单有效，触发形式更加隐蔽，使攻击更加灵活；只修改初始时隙就可以大大减小修改代价。

【技术实现步骤摘要】

本专利技术属于电磁频谱预测，尤其涉及一种电磁频谱预测的智能对抗方法、系统、设备及介质。

技术介绍

1、认知无线电(cr)对可用频谱进行机会性和动态优化的接入(g.kakkavas,k.tsitseklis,v.karyotis and s.papavassiliou,``a software defined radio cross-layer resource allocation approach for cognitive radio networks:from theoryto practice,”ieee trans.cognit.commun.networking,vol.6,no.2,pp.740-755,june2020.)，被认为是实现有效动态频谱接入(dsa)的使能技术。它使二级用户可以在不影响主用户频谱使用的情况下机会地接入频谱。cr通信的关键挑战之一是频谱空洞的检测。传统的研究涉及开发复杂的频谱感测方案来解决这个问题，这消耗了大量的时间和资源。目前的研究主要集中在基于深度学习(dl)的高效和低功率频谱预测技术上。ding等人(x.di本文档来自技高网...

【技术保护点】

1.一种电磁频谱预测的智能对抗方法，其特征在于，根据时间序列预测类神经网络中初始时隙和预测值的关系，求解基于深度学习的频谱预测的中毒攻击优化问题的两个特解：传统形式和触发形式；其中，传统形式通过对初始时隙加入特定增量来直接投毒攻击；触发形式通过对初始时隙和零值预测标签加入特定增量来植入后门；通过两种不同形式的选择来进行灵活中毒攻击。

2.根据权利要求1所述的一种电磁频谱预测的智能对抗方法，其特征在于，具体包括以下步骤：

3.根据权利要求2所述的一种电磁频谱预测的智能对抗方法，其特征在于，所述步骤一中，建立基于深度学习的频谱预测的中毒攻击优化问题，具体过程为：...

【技术特征摘要】

1.一种电磁频谱预测的智能对抗方法，其特征在于，根据时间序列预测类神经网络中初始时隙和预测值的关系，求解基于深度学习的频谱预测的中毒攻击优化问题的两个特解：传统形式和触发形式；其中，传统形式通过对初始时隙加入特定增量来直接投毒攻击；触发形式通过对初始时隙和零值预测标签加入特定增量来植入后门；通过两种不同形式的选择来进行灵活中毒攻击。

2.根据权利要求1所述的一种电磁频谱预测的智能对抗方法，其特征在于，具体包括以下步骤：

3.根据权利要求2所述的一种电磁频谱预测的智能对抗方法，其特征在于，所述步骤一中，建立基于深度学习的频谱预测的中毒攻击优化问题，具体过程为：

4.根据权利要求2所述的一种电磁频谱预测的智能对抗方法，其特征在于，所述步骤二中，根据不同情况，选择步骤一优化问题的特解之一的传统形式，对初始时隙加入特定增量来...

【专利技术属性】
技术研发人员：刘明骞，张洪弋，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：