一种面向电磁信号识别的深度神经网络黑盒攻击方法

本发明公开了一种面向电磁信号识别的深度神经网络黑盒攻击方法，属于人工智能领域；具体为：首先生成初始扰动方向，使用二分查找法计算各方向的决策边界半径，将扰动方向作为粒子位置，选择最优粒子拟合RBF模型；并使用SL‑PSO算法找寻RBF模型的最优粒子。然后，将粒子重新排序，重新拟合RBF模型；并更新每个粒子的扰动方向和扰动方向改变量，生成新一代粒子种群。使用重新拟合的RBF模型评估新一代粒子种群，减少迭代的查询次数。更新每个粒子的个人最佳扰动方向和群体的全局最佳扰动方向；如果找到了对抗样本或者超过查询次数则退出，输出产生的对抗样本，黑盒攻击成功；否则，重新拟合RBF模型。本发明显著提升了对抗样本生成的精确性和效率。