English(EN) A JiT-Based Denoising Defense Method Against Adversarial Examples for Radio Signal Automatic Modulation Classification

新的基于JiT的防御方法增强了射频信号分类对抗攻击的能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

研究人员开发了一种针对射频信号自动调制分类（AMC）系统对抗攻击的新型防御机制。该方法受Just image Transformers (JiT)启发，利用通过流匹配训练的1D Transformer去噪网络直接预测干净信号样本。这种方法有效地将损坏的信号映射回干净数据流形，在无需预先了解攻击类型的情况下提供强大的防御。实验表明，与传统的对抗性训练相比，在投影梯度下降（PGD）攻击下的鲁棒准确性显著提高，并且在干净样本上的分类准确性更好。 AI

影响这项研究为射频信号分类提供了更强大的对抗攻击防御能力，有望提高频谱监测系统的安全性和可靠性。

排序理由详细介绍射频信号分类中新的对抗防御方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍射频信号分类中新的对抗防御方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Shiwei Liu, Linyuan Wang, Nuolin Sun, Libin Hou, Bin Yan · 2026-10-28 04:00

一种基于JiT的对抗样本去噪防御方法用于无线信号自动调制分类

arXiv:2610.35084v1 Announce Type: new Abstract: Automatic modulation classification (AMC) of radio signals is a core technology for spectrum monitoring and electromagnetic situational awareness. Deep neural networks (DNNs) play an important role in this field owing to their power…

本文如何被排名

报道来源 [1]

一种基于JiT的对抗样本去噪防御方法用于无线信号自动调制分类

相关实体

相关话题