对抗黑盒攻击的混合对抗性训练防御策略研究

随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用,围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景,在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击,是现实场景中最常用的攻击方法。因此,分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法,在抵御黑盒攻击时性能十分有限;基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法,实验结果表明,所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击,性能优于传统的集成对抗性训练。     

航空发动机加力燃烧燃油控制系统主动容错控制

为提高航空发动机加力燃烧燃油控制系统的容错性和可靠性，针对同时存在非匹配扰动、传感器故障和内泄漏故障的燃油计量装置，提出一种新型自适应积分鲁棒主动容错控制策略。其中，基于自适应参数估计的非线性未知输入状态观测器可有效估计系统状态和传感器故障，且不受内泄漏故障和非匹配扰动影响。通过引入滤波误差函数，将积分鲁棒控制和自适应控制相结合，以同时处理传感器噪声、非匹配扰动下的内泄漏故障。基于Lyapunov理论，严格证明了计量活门阀芯位移可渐近跟踪到参考信号。仿真结果表明，在非匹配扰动、传感器故障和内泄漏故障并存的模式下，所提出的主动容错控制在最大跟踪误差、平均跟踪误差、跟踪误差标准值、ITAE和ITSE等性能指标均有改善，分别降至0.035 6、0.001 8、0.013 6、25.197 3、4×10^-4 mm。该技术可为航空发动机健康管理提供新的途径和思路。