Il Semantic Smoothing Migliora la Robustezza della Classificazione delle Immagini SAR
Una nuova tecnica di difesa nota come semantic smoothing migliora la resilienza delle reti neurali profonde utilizzate nel riconoscimento automatico dei bersagli (ATR) nei radar ad apertura sintetica (SAR). A differenza del randomized smoothing che si basa su rumore isotropico, il semantic smoothing utilizza trasformazioni randomizzate strutturate derivate da un innovativo modello di sintesi di viste basato sulla geometria di acquisizione. Questa strategia genera varie viste radar plausibili e combina le previsioni per creare un classificatore robusto. I risultati sperimentali indicano una maggiore resistenza agli attacchi convenzionali (FGSM, PGD) e a minacce specifiche per SAR (OTSA, SMGAA), oltre a migliorare l'accuratezza della classificazione pulita. Questo metodo affronta efficacemente le vulnerabilità avversarie in applicazioni SAR critiche.
Fatti principali
- Il semantic smoothing sostituisce le perturbazioni basate su rumore con trasformazioni randomizzate strutturate derivate dalla sintesi di nuove viste.
- Il modello si basa sulla geometria di acquisizione per sintetizzare molteplici viste radar.
- La robustezza migliora contro gli attacchi FGSM, PGD, OTSA e SMGAA.
- Aumenta anche l'accuratezza della classificazione pulita.
- Il metodo è mirato al riconoscimento automatico dei bersagli SAR critico per la sicurezza.
Entità
—