基于损失平滑的对抗样本攻击方法

深度神经网络(DNNs)容易受到对抗样本的攻击,现有基于动量的对抗样本生成方法虽然可以达到接近100%的白盒攻击成功率,但是在攻击其他模型时效果仍不理想,黑盒攻击成功率较低。针对此,提出一种基于损失平滑的对抗样本攻击方法来提高对抗样本的可迁移性。在每一步计算梯度的迭代过程中,不直接使用当前梯度,而是使用局部平均梯度来累积动量,以此来抑制损失函数曲面存在的局部振荡现象,从而稳定更新方向,逃离局部极值点。在ImageNet数据集上的大量实验结果表明：所提方法与现有基于动量的方法相比,在单个模型攻击实验中的平均黑盒攻击成功率分别提升了38.07%和27.77%,在集成模型攻击实验中的平均黑盒攻击成功率分别提升了32.50%和28.63%。     

抵御对抗样本攻击的指纹室内定位方法

随着城市智能化的发展, 基于WiFi接收信号强度(RSS)的指纹室内定位服务受到社会的广泛关注。深度学习技术是利用RSS信号获得高室内定位性能的一种重要手段, 但其易遭受对抗样本攻击, 给定位系统带来严重安全隐患。为此, 提出了一种抵御对抗样本攻击的基于深度学习的RSS指纹室内定位方法(AdvILoc)。该方法基于图像识别领域对抗样本防御方法的研究和分析, 结合室内RSS指纹数据特征单一且高维的特点, 通过在RSS指纹室内定位深度学习模型中添加池化层、全连接层, 以及满足差分隐私的噪声层来抵御对抗样本攻击, 解决了基于深度学习的室内定位模型易过拟合且泛化能力不高的问题。通过添加Dropout层, 以及设计模型参数正则化方法, 提高模型抵御对抗样本攻击的鲁棒性。在2个真实RSS指纹室内定位数据集上的实验结果表明:与已有基于多层感知机(MLP)、卷积神经网络(CNN)的RSS指纹室内定位方法相比, 所提方法在保证时间开销和基本不影响定位模型性能的情况下, 提高了模型抵御对抗样本攻击的鲁棒性;在满足l₂范式规范的C&W攻击下, 随着攻击大小不断增大, 模型的定位准确率下降也更平稳。      

基于LIME的恶意代码对抗样本生成技术

基于机器学习检测恶意代码技术的研究和分析,针对机器学习模型对抗样本的生成提出一种基于模型无关的局部可解释（LIME）的黑盒对抗样本生成方法。该方法可以对任意黑盒的恶意代码分类器生成对抗样本,绕过机器学习模型检测。使用简单模型模拟目标分类器的局部表现,获取特征权重;通过扰动算法生成扰动,根据生成的扰动对原恶意代码进行修改后生成对抗样本;基于2015年微软公布的常见恶意样本数据集和收集的来自50多个供应商的良性样本数据对所提方法进行实验,参照常见恶意代码分类器实现了18个基于不同算法或特征的目标分类器,使用所提方法对目标分类器进行攻击,使分类器的真阳性率均降低到接近0。此外,对MalGAN和ZOO两个先进的黑盒对抗样本生成方法与所提方法进行对比,实验结果表明:所提方法能够有效生成对抗样本,且方法本身具有适用范围广泛、能灵活控制扰动和健全性的优点。      

基于生成对抗网络的航天异常事件检测方法

航天环境复杂,技术难度大,风险高,安全可靠性要求苛刻。航天异常事件样本少,且难以获取,有针对性地开展异常事件检测（AED）很有必要。为预防航天事故,尽早发现可能导致故障的异常事件,深入研究了最新人工智能和生成对抗网络（GAN）技术,提出了一种基于生成对抗网络的航天异常事件检测方法。使用正生成对抗网络模拟生成正常事件样本,训练反生成对抗网络模拟生成异常事件样本,设计合理算法训练测试,计算输入事件与正生成对抗网络生成的模拟正常事件欧氏距离,以及输入事件与反生成对抗网络生成的模拟异常事件的欧氏距离差,实现对异常事件的精确检测。通过在美国国家标准与技术研究所数据库（MNIST）数据集全部使用正常数据训练,并对异常事件检测性能进行了试验验证,试验结果表明:在MNIST数据集下,精确率和召回率综合评价指标（F1）及精确率和召回率曲线下面积（PRC）等关键技术指标比变分自动编码器（VAE）方法相应指标性能至少分别提升了31%和11%。在真实环境下采集的模拟航天音频数据试验,异常事件检测性能良好,进一步证实了所提方法真实可用。      

一种基于渐进增长对抗生成网络的火星样本生成方法

对抗生成网络的发展为图像生成等传统领域带来了很大进步,通过使用较少样本训练对抗生成网络,可以学习到特定图像类别的特征,进而能够增广样本应用于场景测试、其他网络训练等多种任务.本工作探索了在较少量的火星训练样本的基础上,针对直接使用GAN生成样本存在特征因平均化而不明显且类别较少的模式崩塌问题,基于渐进增长对抗生成网络,提出了一种聚类-训练-生成协同的火星样本生成方法.实验结果表明,与直接利用渐进增长对抗生成网络的基线方法相比,本工作生成效果得到了提升.     

基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

基于残缺图像样本的生成对抗网络图像修复方法

针对大面积图像修复缺失严重时，需要完整且高质量训练样本的问题，提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络（DGDCGAN）模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题，用残缺图像样本作为训练集，通过交叉计算、搜索损失区域类似的图像信息作为训练生成模型的样本，收敛速度更快。鉴别器损失函数改进为输出的Wasserstein距离，使用自适应估计算法优化生成器损失函数和鉴别器损失函数的模型参数，最小化两两图像之间的总距离差，使用鉴别模型和修复图像总距离变化均方差最小化两个指标优化修复结果。在4个公开数据集上进行主客观实验，结果表明:所提方法能使用残缺图像样本作为训练集，有效实现大面积失真图像的修复，且收敛速度和修复效果优于现有图像修复方法。      

基于度量学习的机场交通态势弱监督评估

为准确感知机场场面运行环境，提出基于度量学习的交通态势弱监督评估方法。根据机场场面航空器的时空分布类型，从交通流量、起降队列、资源需求等视角构建交通态势指标体系；借鉴度量学习范式，利用预先定义的相似集和不相似集自动学习态势样本之间的距离度量；在此基础上，采用K均值算法实现弱监督条件下交通态势的等级划分。以上海浦东国际机场实际运行数据为例，分析并验证所提方法的有效性。实验结果表明：起始时刻离场瞬时流量、离场累计流量、离场跑道队列长度及进场累计流量的距离系数大于0.5，对场面态势影响较大；与基于欧式距离的K均值算法相比，度量学习将最优轮廓系数提升了33.3%，得到符合预期语义的聚类结果；此外，机场的平均滑行时间越长、跑道配置越复杂，其场面交通态势等级越高。     

基于解耦优化和环流APF的多平台协同攻击任务规划

为提升协同攻击任务规划效率,借助人工势场（APF）方法求解速度快的优势,提出多平台协同攻击任务规划方法。针对任务规划问题中任务分配与航路规划的耦合问题,提出基于独立航路规划的解耦（ID）与基于直接距离的解耦（DD）2种解耦框架;建立考虑打击目标价值总和、攻击平台与目标距离极差、攻击平台与目标距离总和等因素的指标函数,采用遗传算法进行任务分配求解;提出环流APF方法,避免了传统APF方法因局部极小值而无解的问题,并提出同时到达控制策略与航路冲突规避策略,实现多平台同时到达航路规划。在不同场景下比较了耦合方式、ID、DD 3种任务规划框架的规划结果,并对比了传统APF方法与环流APF方法的航路规划结果。结果表明,解耦方式能够得到与耦合方式接近的结果,并且计算耗时明显低于耦合方式;环流APF方法相比传统APF方法求解可行性更高,航路性能更好。对于存在大块障碍的场景,推荐使用ID方式获得更好的准确度,在障碍稀疏的场景下,推荐使用DD方式以减少计算耗时。      

空舰导弹纯方位攻击目标指示优化方法

纯方位攻击是中远程空舰导弹适应复杂电磁环境下作战的有效途径,但由于目标距离信息缺失,其目标指示和火控解算问题难以解决.在分析机载传感器方位角量化误差的基础上,提出了基于机载传感器方位角速度测量的目标参数优化估计方法,对优化前后的误差进行了分析和对比;从机载无源雷达和全向告警器两个途径分析了所提出优化方法的定位精度分布情况.仿真结果表明:该方法的定位误差受目标方位与机载传感器量化误差的共同影响,存在误差发散区域.在此基础上,提出纯方位攻击条件下载机机动优化的策略是对目标定位误差发散区域进行规避,并尽可能远离该区域.     

基于星光角距/激光测距的卫星组合导航方法

为了进一步提高卫星天文自主导航精度,提出了一种利用激光测距辅助的天文组合导航方法。激光测距能够直接获取卫星到地面参考信标的高精度距离信息,在以星光角距为观测量的天文导航系统中引入激光测距辅助数据,可以拓展滤波器观测量的维度,从而改善滤波效果。由于组合导航系统为非线性系统,为避免泰勒展开线性化引起的二阶截断误差,采用UKF滤波方法进行组合导航系统信息融合。仿真结果表明,所提出的组合导航方法能够明显提升导航精度,改善滤波性能。     

MEMS陀螺仪随机漂移仿真和试验

为了提高使用精度,研究了某微机电系统(MEMS,Micro Electro Mechanical System)陀螺仪的随机漂移模型.应用时间序列分析方法对经过预处理的陀螺仪量测数据进行建模,提出采用状态扩增法设计Kalman滤波器.进行速率试验和摇摆试验,验证了在静态和恒定角速率条件下,滤波后的误差均值和标准差分别为滤波前的55%和12%.针对在摇摆运动时随着振幅的增加滤波效果下降的问题,设计了自适应Kalman滤波器,分析了衰减因子的选取原则.仿真结果表明:常值衰减因子法和自适应衰减因子法都能显著改善摇摆运动时的滤波效果,而自适应衰减因子法的精度更高.     

红外成像系统中带有距离修正的目标能量预测方法

针对红外成像系统中目标遮挡后需要进行能量预测的实际情况,提出了一种基于距离修正的Kalman灰度预测方法,建立能量和距离之间的状态方程,通过装订的距离和观测到的目标能量来预测实际的目标能量,并结合具体的试验数据,与三阶状态向量Kalman滤波预测和 滤波预测做了对比,仿真结果表明,该滤波方法是正确有效的。     

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波（SRCKF）性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波（AKF）算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明：与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。     

实施饱和攻击的导弹多目标火力分配决策

饱和攻击是高技术战争中打击敌方重要目标、提高导弹突防概率的一种重要作战模式.根据饱和攻击的战术指导思想,从分析反舰导弹火力攻击任务约束、最优火力分配准则及多平台协同攻击的角度出发,建立目标分配优化模型,并将火力分配目标决策与航路规划决策过程相结合,提出一种多发射平台、多约束下对目标实施饱和攻击的分配实施方法.仿真结果表明:所建立的模型及方法正确有效,可为部队发射平台配置和火力分配提供依据与参考.     

基于方位多假设的单基线干涉仪定位方法

为了解决机载单站无源定位系统中一维单基线干涉仪测量相位差信息的模糊问题,改进仅利用相位差变化率定位方法,将模糊相位差作为有效的定位参数,提出一种基于方位多假设的单基线干涉仪定位方法。利用模糊相位差和相位差变化率初始化辐射源目标的可能距离方位信息,并通过高斯-扩展卡尔曼滤波（GS-EKF）算法解算辐射源目标位置。所提方法克服了仅利用相位差变化率定位受观测平台机动影响的缺陷,有效缩短了定位时间,同时不必考虑解相位模糊,定位性能均优于仅利用相位差或相位差变化率的定位方法,在实际工程运用中可以降低设备复杂度和成本。      

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。