通信信号智能调制识别对抗攻击研究

基于深度学习技术的通信信号调制识别算法由于其优秀的特征提取能力,极大地提升了调制识别任务的精度,但是对抗样本特性的存在,导致基于深度学习的调制识别模型的安全性受到了极大威胁,通过在训练好的调制识别网络中添加设计好的特定微小扰动,就可以使得调制识别模型完全失效。研究了基于深度学习的调制识别模型及其对抗样本攻击方法,提出一种基于快速梯度符号法的定向扰动生成方法,该方法在扰动和原始信号功率比为-21 dB的条件下,针对11类常见的不同调制种类的通信信号生成扰动,实现对通信信号调制识别模型的定向攻击,为智能调制识别模型的攻防对抗提供参考。     

攻击角度约束下的分布式强化学习制导方法

为提高导弹在攻击角度约束下对目标的打击效能，提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差，设计了一种新的奖励函数，使导弹在满足视场角约束的同时，视线角向期望值收敛。此外，为了增强强化学习模型的泛化能力，提出了一种分布式探索策略，提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比，所提制导方法的攻击角度误差更小，收敛速度更快。     

带攻击角度约束的深度强化元学习制导律

针对执行机构部分失效的速度时变导弹机动目标拦截问题,本文提出一种基于深度强化元学习和剩余飞行时间感知逻辑函数的攻击角度约束三维制导律.首先,采用基于模型的深度强化元学习方法,建立深度神经网络动力学模型;引入模型预测路径积分控制,该深度神经网络动力学模型作为预测模型;采用元学习方法,在线学习执行机构部分失效及目标机动等环...     

基于深度强化学习的高速飞行器攻防博弈

针对高速飞行器与拦截器的攻防博弈问题,研究了一种基于双深度Q网络(DDQN)的改进算法。该算法针对经典DDQN样本利用效率低的问题,设置多个经验池,并将一轮对抗中Q值的累积时序差分误差(TD-error)与累积奖励值相结合,通过模糊推理计算样本存储至不同经验池中的概率。再根据累积奖励的时序差分误差设计积分抽样器,从不同经验池中抽取样本进行训练。模型的奖励函数设计原则为在成功突防的基础上减少自身机械能消耗。实验结果表明,相比于经典DDQN算法,改进算法能够有效提高样本利用效率,为解决高速飞行器机动突防问题提供了一种新思路。     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。     

对抗NMD／TMD的技术

国家导弹防御系统(NMD)和战区导弹防御系统(TMD)一起构成了美国的弹道导弹防御系统。简要介绍了NMD/TMD的构成,讨论了有效的对抗技术,研究了电子战系统对NMD/TMD的信息攻击手段。     

基于深度学习网络的水质图像分类

深度学习在图像分类领域已取得了较好的效果,学习网络的结构及参数的不同,对图像分类的效果和效率有不少的影响。研究了基于深度学习的水质图像分类,通过对深度学习模型进行理论分析和参数选择,设计了一种用于水质图像分类的深度神经网络学习模型,通过大量的实验,验证了影响深度学习网络性能的原因。在某地区水质数据集上取得了较好的分类精度与效果。     

空间电子攻击的体系作战效用及发展对策

通过分析空间电子攻击在打击对象多、方式灵活多样,打击速度快、隐蔽突然,效果等同于火力打击、太空安全隐患小等方面的优势,得出了"空间电子攻击具有很大的发展潜力,是未来空间对抗力量发展的重心"的结论。通过分析空间电子攻击在遮态势感知耳目、断信息分发链路、破精确打击能力、实施战略威慑方面发挥体系作战效用的机理,论证了空间电子攻击的体系作战效用。通过分析还提出空间电子攻击力量的发展对策。     

基于深度学习的目标检测框架组件研究

深度学习与计算机视觉的结合给目标检测研究领域带来了全新的检测模式,通过对基于深度学习的目标检测网络分析研究,目标检测网络框架可模块化地拆分为特征提取网络、多尺度融合和预测网络三个部分。从组成目标检测网络模块化的角度对各个模块进行了详细的分析综述,并给出了如何根据实际需求来构建适合的模型框架建议,为基于深度学习的目标检测方法研究提供参考。     

能量约束下的动能拦截弹逆轨拦截攻击区建模

针对动能拦截弹(KKV)拦截高速目标的拦截末端对抗分析问题,提出一种末端拦截弹攻击区建模方法以及目标最优规避策略。首先,通过空间几何关系推导并得出了拦截弹与目标机动范围在攻击区中的投影计算方法。以所建立模型为基础,推导捕获区与逃逸区以及界栅的计算方法,并给出了显式表达式。随后,引入燃料消耗这一能量约束条件,进一步建立考虑能量约束的攻击区计算模型。对于目标,通过对所建立的攻击区及相应的投影进行分析得到了其最优规避策略。仿真结果表明,文中所建立的模型、投影计算方法及目标最优规避策略是正确的。利用本文提出的模型,可根据末端拦截弹与目标的参数对拦截弹捕获逃逸区进行快速计算。通过对不同情况下的攻击区进行分析,可为助推火箭与拦截弹末制导交接班条件的研究提供便利。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。     

面向小样本遥感解译的空间置弃FCN模型

针对当前缺少大型遥感数据集,复杂深度学习语义分割模型优化难等问题,文章通过改进经典全卷积网络(Fully Convolutional Network,FCN)模型,提出了一种面向小样本遥感数据集,联合批归一化和空间置弃方法的智能解译语义分割模型,为解决小样本数据集过拟合问题提供新的思路.首次将空间置弃层引入FCN模型,...     

雷达截获系统电子攻击布站研究

为了阻碍雷达截获系统对雷达信号的有效分选,电子攻击信号源的布站是一个关键。根据电子攻击信号脉冲与被保护雷达信号脉冲在重叠时间大小以及先后到达顺序上的不断变化,对某一被保护雷达,给出了电子攻击信号源的布站模型。通过计算,得出了保护该雷达的电子攻击信号源布站区域。最后,给出了一种工程应用布站方法。     

未来局部战争中的计算机攻防对抗（一）

(一 )介绍计算机“武器”的主要攻击形式 ,计算机病毒武器的分类 ,计算机病毒的特点 ;简介对计算机其它攻击手段 ;科索沃战争中的计算机攻防对抗实例 ;(二 )计算机信息安全对策分析 ,简介密码技术 ,访问控制 ,口令控制 ,防病毒技术 ,防火墙技术 ,防信息泄漏技术 ,防电磁炸弹以及对付黑客的方法。     

基于卷积神经网络的雷达和通信信号调制识别

雷达和通信信号的调制识别是电子侦察对抗的一项关键技术,通过搜索、截获敌方电子设备发射的电磁辐射信号,经过电子侦察系统分析、识别,从而获取敌方战术、技术特征参数等情报。人工神经网络中的深度学习网络由于具有强大的表征学习能力,可以自动从原始数据中提取出各种复杂的特征。介绍了一种差分自相关预处理结合深度学习进行中频信号调制识别的方法,结合工作的实际需求,对深度学习在信号调制识别中提出了一些展望,如进一步提高在低信噪比下的识别率和研究深度学习调制识别混合架构。     

航天武器系统对抗技术

从航天武器系统包括地基、空基和天基的各类导弹武器出发,阐述航天武器系统攻防对抗技术的重要性和复杂性。并说明了攻防对抗技术是对抗双方互相推动而快速发展的技术,作为航天武器系统的一方,应该随时跟踪研究的几个主要方面,同时归纳了航天武器系统攻防对抗技术的三个主要技术领域,即战场电磁环境信息的侦察监测技术、针对进攻方电磁攻击的电磁防御技术和实施打击时的电磁攻击突防技术。     

基于增量学习的高光谱图像目标检测

高光谱图像目标检测是高光谱图像分析中的重要研究内容之一。本文从经典有效的约束能量最小化算法出发,提出了一种基于增量学习的高光谱目标检测方法。当获得新的样本时,不需要重新计算所有样本的自相关矩阵即可对检测器模型进行更新,减轻了星上有限计算资源的负担。实验结果表明:本文提出的目标检测算法在压制背景光谱的同时可以更好地适应目标光谱,提高了算法的检测性能。     

导弹攻防对抗技术的新发展

在体系对抗条件下,讨论导弹攻防对抗的新发展和应当研究的新技术.美国对导弹防御技术的研究投入比攻击技术更大.预警卫星、预警雷达以及目标识别技术的发展,使得进行远程攻击的导弹更易被发现.同时,导弹突防技术也在不断进步.干扰与反干扰已成为信息对抗条件下需要研究的重要课题.     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题,文章提出基于深度学习的遥感图像目标检测系统软件。首先,为给深度学习网络训练提供高质量的样本数据,在GIS平台上实现了样本标注功能和数据集兼容性转换功能,并提供图像预处理方法对样本进行扩充;其次,针对遥感图像场景分类与遥感图像特定目标检测,应用深度学习技术,分别实现了模型训练、迁移学习、目标检测等功能;最后,采用了形态学处理、矢量化、直角化约束等方法,对遥感图像场景分类的效果进行改善。实验结果表明,文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度,在特定目标检测方面取得了95%的检测精度,明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求,能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

面向体系对抗的电磁环境模拟技术研究

电磁环境模拟技术广泛应用于装备论证、研制、试验、演习等专业领域中.针对未来体系对抗的研究需求,从近年来的模拟实践出发,重新剖析了当前模拟技术的研究差距,归纳了存在的共性问题.在已有的模拟技术体系基础上,构想了总体目标愿景,提出了一种新的思路,即采用"深度强化学习+云边结合"的技术框架来开展体系对抗背景下的电磁环境模拟技...