信道传输的方法、装置、电子设备及介质

本申请中涉及信号处理技术，尤其是一种信道传输的方法、装置、电子设备及介质。

背景技术：

1、相关技术中，使用深度神经网络构造的端到端通信系统(dnn-based end-to-endcommunication system，decs)能够有效地学习和利用传递内容中的语义信息，使得其在相同信道环境下的通信性能远超传统通信系统，达到语义通信的要求。

2、尽管decs展现出了强大的语义通信能力，但也具有深度神经网络系统共有的弱点：对抗攻击非常脆弱。相关技术中，可以迁移一些常见的深度神经网络对抗攻击方法，对decs进行效果显著的攻击。其中，对于通信系统的攻击，主要在物理信道层面完成：通过对抗攻击算法，构造微小的扰动信号，当该信号与原信号叠加后，信号中的语义信息遭到破坏，解码神经网络无法通过叠加后的信号正确还原传递的内容。由于信道中传输的内容是不可知的，所以需要构造通用的对抗攻击扰动信号(universal adversarialperturbation)，使得其对于任意传输内容都具有攻击效果。

3、然而，现有的攻击方法均关注对信道本身的攻击，使信道无法有效传输数据。然而，由于decs内部学习的编解码方式与传输内容语义相关，可以进一步实现针对特定语义内容的攻击，这是一种更加隐蔽、潜在危害更大的方式。

技术实现思路

1、本申请实施例提供一种信道传输的方法、装置、电子设备及介质。用以解决相关技术中存在的，不能避免对传输信号的语义内容进行攻击所导致的通信系统存在安全隐患的问题。

2、其中，根据本申请实施例的一个方面，提供的一种信道传输的方法，应用于基于深度学习的端到端通信系统decs，包括：

3、检测到所述decs的发送端发送原始信号时，通过所述扰动生成器生成扰动信号，所述扰动信号用于覆盖所述原始信号的目标语义信息；

4、将所述原始信号以及所述扰动信号进行叠加，生成扰动传输信号；

5、将所述扰动传输信号传输到所述decs的接收端。

6、可选地，在基于本申请上述方法的另一个实施例中，在所述检测到所述decs的发送端发送原始信号之前，还包括：

7、获取待训练扰动生成器以及训练数据集，所述训练数据集用于指示所述待训练扰动生成器将信号中的所述目标语义信息替换为其他语义信息；

8、基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器。

9、可选地，在基于本申请上述方法的另一个实施例中，所述基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

10、控制所述decs中的编码器参数以及解码器参数为固定参数；

11、在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器。

12、可选地，在基于本申请上述方法的另一个实施例中，所述在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

13、利用所述待训练扰动生成器生成的扰动信号，通过所述decs的发送端向所述decs的接收端发送待训练扰动信号；

14、所述decs的接收端对接收到的所述待训练扰动信号进行解码，计算所述待训练扰动信号的目标函数；

15、基于所述目标函数以及反向传播技术，更新所述待训练扰动生成器的参数梯度，以使所述待训练扰动信号的目标函数降低，直至得到训练完成的所述扰动生成器。

16、可选地，在基于本申请上述方法的另一个实施例中，所述在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

17、为所述待训练扰动生成器设置信号强度约束函数，其中所述信号强度约束函数用于控制所述扰动信号的信号强度低于预设阈值。

18、可选地，在基于本申请上述方法的另一个实施例中，所述在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

19、为所述待训练扰动生成器设置离散程度函数，其中所述离散程度函数用于控制所述扰动信号叠加在所述原始信号的分散程度。

20、可选地，在基于本申请上述方法的另一个实施例中，所述检测到所述decs的发送端发送原始信号时，通过所述扰动生成器生成扰动信号，包括：

21、检测到所述发送端发送原始信号时，所述扰动生成器基于随机数，随机生成所述扰动信号。

22、其中，根据本申请实施例的又一个方面，提供的一种信道传输的装置，其特征在于，应用于基于深度学习的端到端通信系统decs，包括：

23、检测模块，被配置为检测到所述decs的发送端发送原始信号时，通过所述扰动生成器生成扰动信号，所述扰动信号用于覆盖所述原始信号的目标语义信息；

24、生成模块，被配置为将所述原始信号以及所述扰动信号进行叠加，生成扰动传输信号；

25、传输模块，被配置为将所述扰动传输信号传输到所述decs的接收端。

26、根据本申请实施例的又一个方面，提供的一种电子设备，包括：

27、存储器，用于存储可执行指令；以及

28、处理器，用于与所述存储器执行所述可执行指令从而完成上述任一所述信道传输的方法的操作。

29、根据本申请实施例的还一个方面，提供的一种计算机可读存储介质，用于存储计算机可读取的指令，所述指令被执行时执行上述任一所述信道传输的方法的操作。

30、本申请中，可以在检测到decs的发送端发送原始信号时，通过扰动生成器生成扰动信号，扰动信号用于覆盖原始信号的目标语义信息；将原始信号以及扰动信号进行叠加，生成扰动传输信号；将扰动传输信号传输到decs的接收端。通过应用本申请的技术方案，可以通过在decs通信系统的发送端部署一个扰动生成器来实现其生成的扰动信号可以破坏信道中具有特定语义信息的原始传输信号。从而达到在不影响其他语义信息的传输信号的前提下，实现隐蔽的攻击信道中特定的传输信号的目的。该方法一方面可用于生产环境下模型安全性的评估、融合对抗样本训练原始模型，丰富训练样本空间，有助于提高基于深度神经网络的端到端通信系统的鲁棒性。另一方面也可以避免相关技术中存在的，无法对传输信号的语义内容进行攻击所导致的通信系统存在安全隐患的问题。

31、下面通过附图和实施例，对本申请的技术方案做进一步的详细描述。

技术特征：

1.一种信道传输的方法，应用于基于深度学习的端到端通信系统decs，其特征在于，在所述decs的发送端设置有扰动生成器，包括：

2.如权利要求1所述的方法，其特征在于，在所述检测到所述decs的发送端发送原始信号之前，还包括：

3.如权利要求2所述的方法，其特征在于，所述基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

4.如权利要求3所述的方法，其特征在于，所述在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

5.如权利要求3或4所述的方法，其特征在于，所述在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

6.如权利要求5所述的方法，其特征在于，所述在所述decs中，基于所述训练数据集对所述待训练扰动生成器进行训练，直至得到所述扰动生成器，包括：

7.如权利要求1所述的方法，其特征在于，所述检测到所述decs的发送端发送原始信号时，通过所述扰动生成器生成扰动信号，包括：

8.一种信道传输的装置，其特征在于，应用于基于深度学习的端到端通信系统decs，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，用于存储计算机可读取的指令，其特征在于，所述指令被执行时执行权利要求1-7中任一所述信道传输的方法的操作。

技术总结
本申请公开了一种信道传输的方法、装置、电子设备及介质。通过应用本申请的技术方案，可以通过在DECS通信系统的发送端部署一个扰动生成器来实现其生成的扰动信号可以破坏信道中具有特定语义信息的原始传输信号。从而达到在不影响其他语义信息的传输信号的前提下，实现隐蔽的攻击信道中特定的传输信号的目的。该方法一方面可用于生产环境下模型安全性的评估、融合对抗样本训练原始模型，丰富训练样本空间，有助于提高基于深度神经网络的端到端通信系统的鲁棒性。另一方面也可以避免相关技术中存在的，无法对传输信号的语义内容进行攻击所导致的通信系统存在安全隐患的问题。

技术研发人员：崔琪楣,李治淳,南国顺,翟津黎,李娜,张雪菲,陶小峰,张平
受保护的技术使用者：北京邮电大学
技术研发日：
技术公布日：2024/1/11