(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111434815.7 (22)申请日 2021.11.29 (71)申请人 南京航空航天大 学 地址 211106 江苏省南京市江宁区将军大 道29号 (72)发明人 夏伟杰　刘哲　李海林　周建江　 汪飞　 (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 代理人 李娜 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/774(2022.01) G06N 3/08(2006.01) G06F 30/27(2020.01)G01S 13/90(2006.01) (54)发明名称 一种基于SAR目标识别网络的对抗样 本快速 生成方法 (57)摘要 本发明公开了一种基于SAR目标识别网络的 对抗样本快速生成方法， 包括以下步骤： 采集用 于模型训练的SAR图像数据集， 根据通用目标识 别模型， 构建基于深度学习的SAR图像目标识别 模型， 并通过采用对抗扰动生成算法， 获取SAR图 像目标识别模型的通用对抗扰动； 采集用于SAR 成像的雷达参数并进行二维相位干扰调制， 获取 调制干扰策略； 并根据无约束最小优化算法， 采 用Adam优化器， 迭代求解二维相位调制序列； 并 依据调制干扰策略， 获取用于干扰识别效果的通 用生成扰动， 通过将通用生成扰动添加到SAR图 像数据集， 获取SAR图像目标识别模型的对抗样 本； 本发明为物理实现SAR图像通用对抗扰动生 成提供了技 术支持。 权利要求书3页 说明书10页 附图3页 CN 114120079 A 2022.03.01 CN 114120079 A 1.一种基于SAR目标识别网络的对抗样本快速生成方法， 其特 征在于， 包括以下步骤： 采集用于模型训练的SAR图像数据集， 根据通用目标识别模型， 构建基于深度学习的 SAR图像目标识别模型， 并通过采用对抗扰动生成算法， 获取所述SAR图像目标识别模型的 通用对抗扰动。 其中， 所述 通用目标识别模型用于表示普遍 使用的SAR图像识别模型； 采集用于SAR成像的雷达参数并进行二维相位干扰调制， 获取用于干扰所述SAR图像目 标识别模型 的识别效果的调制 干扰策略。 其中， 所述调制 干扰策略用于表示相位调制的区 域数量及位置； 基于所述通用对抗扰动和所述调制干扰策略， 根据无约束最小优化算法， 采用Adam优 化器， 迭代求 解二维相位调制序列； 基于所述二维相位调制序列， 依据所述调制干扰策略， 获取用于干扰所述识别效果的 通用生成扰动， 通过将所述通用生成扰动添加到所述SAR图像数据集， 获取所述SAR图像目 标识别模型的对抗样本 。 2.根据权利要求1所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在构建基于深度学习的SAR图像目标识别模型的过程中， 所述通用目标识别模型至少 包括， LeNet模型、 VG GNet16模型、 ResNet18模型、 ResNet5 0模型。 3.根据权利要求2所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在获取所述通用对抗扰动的过程中， 所述 通用对抗扰动的获取步骤 包括： S101.采集所述SAR图像目标识别模型的期望愚弄率及扰动最大值， 通过输入所述SAR 图像数据集， 根据所述对抗扰动生成算法， 获取 所述通用对抗扰动； S102.判断步骤101得到的通用对抗扰动 叠加在原始图像得到的SA R对抗样本是否能够 满足所述期望愚弄率； 若满足， 则结束； 若不满足， 则执 行所述步骤101。 4.根据权利要求3所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在获取所述SAR图像目标识别模型的通用对抗扰动的过程中， 所述对抗扰动生成算法 的算法表达式为： f(x+ υ )≠f(x),for  most x～ μ 式中， 输入样本x满足分布μ， υ表示通用对抗扰动， f(x)表示目标识别模型预期输出结 果。 5.根据权利要求4所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在采用对抗扰动生成算法的过程中， 所述对抗扰动生成算法还包括算法约束条件， 通 过选择满足所述算法约束 条件的所述对抗扰动生成算法， 获取所述通用对抗扰动， 其中， 所 述算法约束条件为： || υ||p≤ ξ 其中， ξ表示 通用对抗扰动 υ 的最大值， δ表示在整个SAR图像数据集中期望愚弄率。权　利　要　求　书 1/3 页 2 CN 114120079 A 26.根据权利要求5所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在获取所述调制干扰策略的过程中， 根据SAR图像二维相位调制干扰机理进行所述二 维相位干扰调制， 其中， 所述SAR图像二维相位调制干扰机理为： sj(t, η )＝s0(t, η )·pr(t)·pa( η ) 式中： t为距离向时间， η为方位向时间， sj(t, η )为SAR图像二维调制干扰成像结果， s0 (t, η )为SAR图像原始成像结果， pr(t)为距离向相位调制结果， pa( η )为方位向相位调制结 果。 7.根据权利要求6所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在进行所述二维相位干扰调制的过程中， 所述SAR图像原 始成像结果 为： 其中， σ0表示目标的散射强度， f0为载频， Kr为线性调频率， R( η )为瞬时斜距。 8.根据权利要求7所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在迭代求 解二维相位调制序列的过程中， 所述无约束最小化优化 算法的算法公式为： 式中， s表示二维相位调制序列， υ表示通用对抗扰动， F(s)是经过RDA算法处理后的二 维相位调制结果， 表示损失函数； 所述损失函数为Smo othL1损失函数， 所述损失函数为： 9.根据权利要求8所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征在 于： 在迭代求 解二维相位调制序列的过程中， 包括以下步骤： 步骤a： 获取SAR图像二维干扰样本中用于二维相位调制的所述区域数量及位置， 随机 选取无序序列作为初始二维相位调制序列， 得到初始SAR图像二维相位调制干扰样本； 步骤b： 设置所述无约束最小化优化 算法的停止优化更新的阈值； 步骤c： 基于所述通用对抗扰动与所述初始SAR图像二维相位调制干扰样本， 根据所述 无约束最小化优化算法， 使用Adam优化器， 优化寻找最佳二维相位调制序列， 并更新损失 值； 步骤d： 将所述步骤c得到的损失值与所述步骤b设置的所述阈值进行对比， 若损失值≤ 阈值,则执 行步骤c； 若损失值＞阈值， 则停止更新， 并保存当前二维相位调制序列结果。 10.根据权利要求1所述一种基于SAR目标识别网络的对抗样本快速生成方法， 其特征 在于： 用于实现所述对抗样本快速生成方法的对抗样本快速生成系统， 包括， 数据采集模块， 用于采集用于模型训练的SAR图像数据集；权　利　要　求　书 2/3 页 3 CN 114120079 A 3