周隽凡 孙 浩 雷 琳 计科峰 匡纲要

(国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室, 湖南长沙 410073)

1 引言

合成孔径雷达(Synthetic Aperture Radar, SAR)是一种微波主动成像雷达。与常见的光学传感器相比,合成孔径雷达不受天气条件制约,具备全天时、全天候的特点,因而其在国防军事和领域具有独一无二的显著优势。由于SAR的独特性能,自从上世纪50年代SAR概念提出以来,针对SAR图像的解译技术迅猛发展。相较于传统方法,应用深度神经网络的识别方法的检测准确度和效率都有显著提升[1],因此广泛应用于飞机、舰船等目标检测识别任务[2-3]。尽管深度神经网络应用于图像检测识别的效果显著,近些年来有研究指出经过有针对性的样本修改后,原深度神经网络识别模型的准确率会大大下降,甚至会导致样本以高置信度被误分类为指定类别。研究人员对此提出了“对抗攻击”的概念并说明深度神经网络中对抗样本的生成归因于网络的高维输入线性化特征[4]。对于SAR图像深度学习系统的对抗攻击研究有助于研究人员从另一角度认识SAR图像识别模型,有针对性地做出改进,提升智能解译能力。

2 SAR图像中的对抗攻击

2.1 对抗攻击

目前的对抗样本生成方法可分为以下两类:1)从结果反推原因的反向过程:通过计算梯度,寻找对网络分类影响大的像素区域进行扰动。例如,针对深度神经网络训练过程,研究[4]提出了一种基于梯度下降策略的对抗样本生成方法。……