一种辐射源个体识别模型快速修正方法技术

本发明专利技术涉及一种辐射源个体识别模型快速修正方法，所述方法包括以下步骤：步骤1：提出损失最大化的噪声注入机制，步骤2：多阶段模型修复与性能优化，步骤3：双重教师模型的知识蒸馏策略，步骤4：优化目标函数。该方案通过生成损失最大化的噪声干扰原始模型，该方法能够有效地忘记被投毒的类别，并通过知识蒸馏技术从有能和无能教师模型中传递知识，修复并优化模型在剩余数据集上的性能。

【技术实现步骤摘要】

本专利技术涉及机器遗忘学习与辐射源个体识别领域，具体涉及一种基于双教师-学生遗忘框架的模型更新方法，用于在遭受数据污染时快速修正辐射源个体识别模型。

技术介绍

1、辐射源个体识别技术是利用无线电信号指纹来识别不同发射源的一种技术。指纹特征通常由发射器组件中的硬件缺陷产生，这些特征可用于区分不同的设备。随着深度学习技术的发展，基于深度学习的辐射源个体识别方法已经能够自动从输入数据中提取指纹特征，并识别出不同的发射器，相较于传统方法，展现出了更高的性能和鲁棒性。

2、然而，深度学习模型在面对数据安全问题时存在一定的脆弱性。例如，在广播式自动相关监视(ads-b)系统中，飞机识别信息可能被篡改，导致潜在的安全风险。同样，在自动识别系统(ais)中，信号所携带的信息也可能受到敌意行为的破坏。深度学习方法在系统安全性方面常常未能充分考虑，因此容易受到精心设计的攻击技术，例如对抗性攻击、后门攻击和数据混淆等。

3、这些安全威胁对辐射源个体识别系统构成了潜在的挑战。攻击者可能使用触发器执行后门攻击，导致模型在被投毒的样本上进行训练，进而严重影响模本文档来自技高网...

【技术保护点】

1.一种辐射源个体识别模型快速修正方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的辐射源个体识别模型快速修正方法，其特征在于，步骤1提出损失最大化的噪声注入机制，具体如下：,

3.根据权利要求2所述的辐射源个体识别模型快速修正方法，其特征在于，所述步骤2：多阶段模型修复与性能优化，具体如下，

4.根据权利要求3所述的辐射源个体识别模型快速修正方法，其特征在于，所述步骤3：双重教师模型的知识蒸馏策略，具体如下，

5.根据权利要求2所述的辐射源个体识别模型快速修正方法，其特征在于，步骤4：优化目标函数，具体如下，

【技术特征摘要】

1.一种辐射源个体识别模型快速修正方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的辐射源个体识别模型快速修正方法，其特征在于，步骤1提出损失最大化的噪声注入机制，具体如下：,

3.根据权利要求2所述的辐射源个体识别模型快速修正方法，其特征在于，所述...

【专利技术属性】
技术研发人员：李煊鹏，孙森，刘昌霖，周子楠，
申请(专利权)人：东南大学，
类型：发明
国别省市：