.png){kind=icon}
返回
A Reconstruction-Based Defense Framework for Automatic Modulation Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/LCOMM.2026.3653978.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
调制识别在智能无线通信中至关重要，但基于深度学习的自动调制分类 (AMC) 模型容易受到对抗性攻击，带来严重风险。虽然对抗性检测和训练提供了部分缓解，但它们会遭受逃避风险、信号失真或高延迟的困扰，这使得它们不适合无人机 (UAV) 群等实时系统。尽管生成模型可以净化对抗性输入，但它们的缓慢推理限制了实用性。相反，基于重建的方法能够实现低延迟恢复，但通常会损害波形保真度。我们提出了一种重建驱动的对抗净化方法，直接在输入级别恢复干净的信号，在不修改分类器的情况下保留语义特征和物理一致性，确保高准确性和实时鲁棒性。在RML2016.10b数据集上的实验结果表明，我们的基于重构的方法SigReconstruction在对抗攻击下实现了77.04% 的平均分类精度 (clean精度为86.68%)。低均方误差 (MSE) (0.0286/0.0031/0.0272) 和低fr é chet起始距离 (FID) (62.33/128.82/157.48) 证实了重建质量，表明忠实的波形恢复和特征对齐。这些结果表明，具有物理约束的有针对性的重建为受到不利挑战的无线通信提供了实用的低延迟鲁棒性。
Keyword:
Signal reconstruction
modulation recognition
adversarial defense
期刊
IF:
4.4
论文数:
1.3W
被引数:
2.2W
机构
引用论文
Signal Automatic Modulation Classification and Recognition in View of Deep Learning.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏TOR-GAN: A Transformer-Based OFDM Signals Reconstruction GANTOR-GAN：一种基于Transformer的OFDM信号重建生成对抗网络ElectronicsOAAI
ElectronicsIF0
OAAI分享收藏
分享收藏
查看更多内容