基于信号迁移性观测的中毒样本检测

随着深度学习这一项技术的迅速普及,深度学习模型在信号自动调制分类任务具备优秀效果的同时,其脆弱性也使得模型易受到中毒攻击。为了解决在缺少先验知识的场景下缺少通用的中毒防御策略问题,提出一种基于信号迁移性观测的中毒样本检测方法。该方法主要通过对信号样本的迁移性观测进行检测,核心是利用迁移性观测器计算出的相似度衡量样本的可迁移性。检测过程分为离线阶段与在线阶段。离线阶段中,通过一批干净的数据集,基于迁移性观测器的输出计算类内相似度与类间相似度,继而有策略地获取类别检测阈值;在线阶段中,基于迁移性观测器和输入样本的分类结果进行迁移性观测,判断样本是否中毒。