-
题名SAR图像稀疏对抗攻击
被引量:3
- 1
-
-
作者
周隽凡
孙浩
雷琳
计科峰
匡纲要
-
机构
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
-
出处
《信号处理》
CSCD
北大核心
2021年第9期1633-1643,共11页
-
基金
国家自然科学基金项目(61971426)。
-
文摘
基于深度学习的图像解译技术在多个领域都取得了巨大成功,在合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类、检测、分割等问题中也逐渐开始广泛应用。现有的SAR图像分类深度学习模型由于训练数据集样本量较小易过拟合,样本的微小改变易导致模型分类错误,产生对抗攻击现象。针对上述问题,本文从攻击方法、攻击结果和攻击目标三方面说明了SAR图像对抗攻击存在的问题和挑战。本文聚焦SAR图像的稀疏性,具体阐述了稀疏攻击提出背景和SAR图像中稀疏性的表现形式,并就常见稀疏攻击方法进行分析总结。文章在MSTAR数据集上验证了现有的稀疏攻击方法的有效性,分析了算法计算效率和成功率、耗时等指标,并对SAR图像分类稀疏对抗攻击方法进行展望。
-
关键词
合成孔径雷达
自动目标识别
深度学习
对抗攻击
稀疏攻击
-
Keywords
synthetic aperture radar
automatic target recognition
deep learning
adversarial attack
sparse attack
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-