[发明专利]一种结合频谱与智能的在线对抗学习测试系统

说明书

本发明公开了一种结合频谱与智能的在线对抗学习测试系统，包括硬件系统和软件系统。硬件系统包括：频谱收发模块接收与发射频谱信号并传递给软件无线电模块，软件无线电模块对其进行初步处理并传递给智能计算模块，智能计算模块完成频谱信号的智能计算任务。软件系统包括：系统参数配置模块完成参数配置，频谱处理模块对接收到的信号进行加工处理，处理后的数据通过数据管理模块输入到智能训练模块中进行在线训练，训练完成后通过智能推理模块对模型进行在线智能评估测试，在训练和测试过程中，引入对抗样本来增强或验证模型的鲁棒性。本发明可实现基于真实频谱数据的智能在线训练、测试、对抗流程，提高后续技术开发的真实性与时效性。

技术领域

本发明涉及频谱对抗与人工智能领域，具体是提出一种频谱智能在线对抗学习系统。

背景技术

随着无线频谱在诸如5G、6G等应用的研究与发展，频谱应用愈发受到重视，频谱使用过程中的应用效能，特别是在干扰对抗条件下的用频策略是未来技术发展的重点方向之一。与此同时深度学习人工智能取得了巨大的技术突破，具有高效处理海量信息、快速处理复杂问题的特点，特别是在计算机视觉、自然语言处理等领域，从处理结果的准确率、处理速度与更新频率等方面取得了超越人类的效果。因此基于深度学习人工智能技术的特点提高无线频谱使用效能是可期的技术方向。

然而深度学习算法在取得高准确率的同时，可被针对性攻击，现有大量的攻击算法，如基于梯度的PGD攻击系列、基于优化的cw攻击系列以及基于决策边界的deepfool系列，通过添加很小的扰动即可让模型得到错误的识别结果。基于频谱应用具有面临强大安全威胁的特点，为保证我方频谱信息的有效传输，因此必须考虑深度学习系统面对攻击时的安全性和可靠性。传统上，在频谱领域考虑了很多安全相关的内容，但这些机制并不能用来保证深度学习模型的安全性。目前主要通过对抗训练、数据增强等方式提升模型鲁棒性。

目前在无线频谱领域，以GNU Radio为代表的软件系统能够很好的实现硬件或软件层面的各种频谱过程模拟。同时在深度学习领域以Pytorch为代表的软件系统能够非常快速便捷的实现各类神经网络模型的训练、测试、调优。然而兼顾频谱与智能的完整系统是目前技术研究方面的空白，使得结合智能的频谱技术在发展过程中受到了较大限制。

发明内容

本发明所要解决的技术问题是：本发明公开了一种结合频谱与智能的在线对抗学习测试系统，可实现基于真实频谱数据的智能在线训练、测试、对抗流程，无需事先构建大规模数据集，提高后续技术开发的真实性与时效性。

本发明所采用的技术方案是：一种结合频谱与智能的在线对抗学习测试系统，包括硬件系统和软件系统，可实现基于真实频谱信号的智能算法在线对抗学习与测试。

硬件系统包括频谱收发模块、软件无线电模块和智能计算模块。频谱收发模块使用可重构天线将接收到的频谱信号传递给软件无线电模块，软件无线电模块对其进行初步处理并传递给智能计算模块，智能计算模块完成频谱信号的智能计算任务。

频谱收发模块使用可重构天线为可收发频谱信号的天线，要求其可接收频谱、功率等参数，可受软件系统控制。软件无线电模块可采用USRP设备，主要负责天线接收数据的载波滤波、调制解调等用频过程处理。智能处理模块可为高性能计算机，包括高性能CPU与GPU，可进行基于神经网络的人工智能算法计算。

软件系统基于GNU Radio和Pytorch开发，包括系统参数配置模块、频谱处理模块、数据管理模块、对抗样本生成模块、智能训练模块、智能推理模块，系统参数配置模块、数据管理模块、对抗样本生成模块、智能训练模块、智能推理模块运行在智能计算模块上。

软件系统工作步骤如下：

参数配置模块为对系统所需的参数进行配置。

频谱处理模块完成频谱信号的收发以及处理，主要通过开源软件GNU Radio完成。