本发明涉及抗干扰，特别是涉及一种基于对抗攻击的主动抗干扰方法、一种基于对抗攻击的主动抗干扰系统以及一种电子设备和一种计算机可读存储介质。
背景技术：
1、信号的干扰是指在信号传输或接收过程中，由于外部因素引起的不希望的影响，使得信号质量降低或失真的现象。这些外部因素可以是其他电磁波、噪声、电磁干扰源、杂散信号等。信号的抗干扰是指在存在各种干扰的环境下，信号仍能保持稳定的性能。提高信号的抗干扰性可以减小外部因素对信号的影响，确保信号在传输或接收过程中能够被正确地识别和处理。
2、传统的无线通信抗干扰手段包括如下几类：一是采用干扰躲避，在发送端通过直接序列扩频、跳频扩频、跳时扩频等方法使信号的带宽增加，接收端解扩提高有用信号的信噪比，从而具备抗干扰能力；二是采用干扰消除，在接收端采用自适应滤波、盲源分离等手段消除接收信号中的干扰；三是通过增强通信信号的发射功率，提高接收端的信号质量，减小干扰信号的影响达到抗干扰的目的；四是结合人工智能提出智能抗干扰方法，以环境参量和通信系统抗干扰策略集为输入，计算每种策略对应的通信质量，之后根据通信质量选择最优策略，调整通信链路，从而实现通信系统的智能抗干扰。
3、为适应未来作战需求，电子战在时域、频域和空域上呈现出作战使用全程化、频谱覆盖扩大化、海陆空天一体化等趋势，并随着人工智能技术的引入从传统电子战发展到认知电子战，智能化水平不断提高。在融入人工智能后，干扰设备具备电磁环境认知能力，可自主地生成最佳干扰策略，给无线通信抗干扰技术带来了前所未有的挑战。中低层次的认知电子战在目标信号参数及工作模式缓慢变化或按照设定的规律变化时，可以基于侦测到的历史数据熟悉目标信号的工作规则，并基于认知结果实施相应的干扰策略；高层次的认知电子战即使面对同样为智能化的目标，也可以基于历史侦测数据和实时数据对目标的智能模型进行认知，从而实现以智对智。
4、面对干扰方施加的智能干扰，通信方在战场上如继续采用传统的抗干扰方法将无法实现理想的抗干扰效果，甚至可能被压制无法通信；即使基于信道频谱感知识别出当前的干扰类型，根据通信质量选择切换抗干扰策略，也会被认知电子战的智能模型认知切换规律，难以保证连续可靠的传输；此外，随着对方智能干扰层次的增强，通信方的抗干扰决策模型也可能被认知，形成针对该模型的最佳干扰策略。
技术实现思路
1、鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于对抗攻击的主动抗干扰方法、一种基于对抗攻击的主动抗干扰系统以及一种电子设备和一种计算机可读存储介质。
2、为了解决上述问题，本发明实施例公开了一种基于对抗攻击的主动抗干扰方法，所述方法包括：获取真实信号；利用训练完毕的生成网络生成所述真实信号的特征数据；根据所述特征数据和训练完毕的判决网络，利用所述生成网络生成所述真实信号的对抗信号；传输所述对抗信号。
3、可选地，所述根据所述特征数据和训练完毕的判决网络，利用所述生成网络生成所述真实信号的对抗信号，包括：根据所述特征数据和所述判决网络，将随机噪声拟合为扰动信号；将所述扰动信号添加到所述真实信号得到所述对抗信号。
4、可选地，所述将随机噪声拟合为扰动信号，包括：将所述随机噪声拟合为与所述真实信号的时域分布、频域分布、空间分布和能量分布中的至少之一相同的所述扰动信号；其中，所述扰动信号位于预设范围内。
5、可选地，所述判决网络的训练步骤，包括：保持所述生成网络的网络参数不变；将训练样本数据输入至所述判决网络，所述训练样本数据包含真实信号样本数据和所述生成网络生成的对抗信号样本数据；当所述判决网络的损失函数的函数值为最大值时，记录并保持所述判决网络的网络参数不变；当所述判决网络的损失函数的函数值不为最大值时，更新所述判决网络的网络参数。
6、可选地，所述判决网络的损失函数为：
7、
8、其中，θd为所述判决网络的网络参数，m为所述训练样本数据的数量，i为所述训练样本数据的编号，d(x)为所述判决网络判断所述真实信号样本数据为真的概率，d(g(z))为所述判决网络判断所述对抗信号样本数据为真的概率。
9、可选地，所述生成网络的训练步骤，包括：保持所述判决网络的网络参数不变；将高斯分布的噪声样本数据输入所述生成网络，并将所述生成网络生成的对抗样本信号标记为真，输入所述对抗样本信号至所述判决网络；当所述生成网络的损失函数的函数值为最大值时，记录并保持所述生成网络的网络参数不变；当所述生成网络的损失函数的函数值不为最大值时，更新所述生成网络的网络参数，重新执行所述将高斯分布的噪声样本数据输入所述生成网络，并将所述生成网络生成的对抗样本信号标记为真，输入所述对抗样本信号至所述判决网络的步骤。
10、可选地，所述生成网络的损失函数为：
11、
12、其中，θ"为所述生成网络的网络参数，m为所述训练样本数据的数量，i为所述训练样本数据的编号，d(g(z))为所述判决网络判断所述对抗信号样本数据为真的概率。
13、本发明实施例还公开了一种基于对抗攻击的主动抗干扰系统，所述系统包括：真实信号获取模块，用于获取真实信号；特征数据生成模块，用于利用训练完毕的生成网络生成所述真实信号的特征数据；对抗信号生成模块，用于根据所述特征数据和训练完毕的判决网络，利用所述生成网络生成所述真实信号的对抗信号；信号传输模块，用于传输所述对抗信号。
14、可选地，所述对抗信号生成模块，包括：噪声拟合模块，用于根据所述特征数据和所述判决网络，将随机噪声拟合为扰动信号；扰动信号添加模块，用于将所述扰动信号添加到所述真实信号得到所述对抗信号。
15、可选地，所述噪声拟合模块，用于将所述随机噪声拟合为与所述真实信号的时域分布、频域分布、空间分布和能量分布中的至少之一相同的所述扰动信号；其中，所述扰动信号位于预设范围内。
16、可选地，所述系统还包括判决网络训练模块，所述判决网络训练模块，包括：生成网络参数固定模块，用于保持所述生成网络的网络参数不变；训练样本数据输入模块，用于将训练样本数据输入至所述判决网络，所述训练样本数据包含真实信号样本数据和所述生成网络生成的对抗信号样本数据；记录并保持判决网络参数模块，用于当所述判决网络的损失函数的函数值为最大值时，记录并保持所述判决网络的网络参数不变；判决网络参数更新模块，用于当所述判决网络的损失函数的函数值不为最大值时，更新所述判决网络的网络参数。
17、可选地，所述判决网络的损失函数为：
18、
19、其中，θd为所述判决网络的网络参数，m为所述训练样本数据的数量，i为所述训练样本数据的编号，d(x)为所述判决网络判断所述真实信号样本数据为真的概率，d(g(z))为所述判决网络判断所述对抗信号样本数据为真的概率。
20、可选地，所述系统还包括生成网络训练模块，所述生成网络训练模块，包括：判决网络参数固定模块，用于保持所述判决网络的网络参数不变；噪声样本数据输入模块，用于将高斯分布的噪声样本数据输入所述生成网络，并将所述生成网络生成的对抗样本信号标记为真，输入所述对抗样本信号至所述判决网络；记录并保持生成网络参数模块，用于当所述生成网络的损失函数的函数值为最大值时，记录并保持所述生成网络的网络参数不变；生成网络参数更新模块，用于当所述生成网络的损失函数的函数值不为最大值时，更新所述生成网络的网络参数。
21、可选地，所述生成网络的损失函数为：
22、
23、其中，θ"为所述生成网络的网络参数，m为所述训练样本数据的数量，i为所述训练样本数据的编号，d(g(z))为所述判决网络判断所述对抗信号样本数据为真的概率。
24、本发明实施例还公开了一种电子设备，包括：一个或多个处理器；和其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述电子设备执行如上所述的一种基于对抗攻击的主动抗干扰方法。
25、本发明实施例还公开了一种计算机可读存储介质，其存储的计算机程序使得处理器执行如上所述的一种基于对抗攻击的主动抗干扰方法。
26、本发明实施例包括以下优点：
27、本发明实施例提供的一种基于对抗攻击的主动抗干扰方案，获取真实信号，利用训练完毕的生成网络生成真实信号的特征数据，然后，根据特征数据和训练完毕的判决网络，利用生成网络生成真实信号的对抗信号，进而，传输对抗信号。
28、本发明实施例提出的基于对抗攻击的主动抗干扰方案涉及到使用生成对抗网络(generative adversarial networks，简称gan)等技术来对抗干扰。生成网络被用来生成对抗信号，通过对抗性训练来追求生成的信号与真实信号的相似性。生成的对抗信号可能被设计为对抗干扰源的信号，通过主动传输这些对抗信号，试图干扰干扰源的工作，从而保护通信信号的质量。
29、本发明实施例通过引入对抗攻击的思想，可以更主动地应对不断演进的智能干扰。生成对抗网络的训练可以更好地理解真实信号和干扰信号的特征，从而生成更有效的对抗信号。生成对抗网络的应用更具适应性，能够动态调整生成的对抗信号，以适应不同类型和层次的智能干扰。这有助于应对对方认知电子战的智能模型。通过主动生成对抗信号，可以减小被对方认知电子战智能模型识别的风险。这可以增加通信方在战场上的灵活性和持续通信的可靠性。
1.一种基于对抗攻击的主动抗干扰方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述特征数据和训练完毕的判决网络，利用所述生成网络生成所述真实信号的对抗信号，包括：
3.根据权利要求2所述的方法，其特征在于，所述将随机噪声拟合为扰动信号，包括：
4.根据权利要求1所述的方法，其特征在于，所述判决网络的训练步骤，包括：
5.根据权利要求4所述的方法，其特征在于，所述判决网络的损失函数为：
6.根据权利要求4所述的方法，其特征在于，所述生成网络的训练步骤，包括：
7.根据权利要求6所述的方法，其特征在于，所述生成网络的损失函数为：
8.一种基于对抗攻击的主动抗干扰系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其存储的计算机程序使得处理器执行如权利要求1至7任一项所述的基于对抗攻击的主动抗干扰方法。
