1.一种基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,包含:
构建轨迹数据集,所述轨迹数据集中的每条轨迹由轨迹点采样时间和轨迹点经纬度组成的有序序列表示;
利用轨迹数据集训练轨迹表示模型,将训练后的轨迹表示模型作为待对抗攻击的目标模型,所述轨迹表示模型用于将轨迹映射到嵌入向量空间并输出轨迹嵌入向量表示;
基于目标模型及单点脆弱性扫描获取固定扰动强度下节点脆弱性及单点扰动下最优扰动方向,并构建单点扰动样本;其中,获取固定扰动强度下节点脆弱性及单点扰动下最优扰动方向,包含:设置扰动强度及迭代角度,并在目标轨迹内选择第一个轨迹点;将选择的轨迹点迭代扰动至以选择的轨迹点为圆心、以扰动强度为半径的圆上的有限离散点,并通过固定迭代角度来遍历圆上不同离散点,形成离散点集合;将轨迹数据集中第一个轨迹点分别替换成离散点集合,得到单点扰动轨迹集合;利用目标模型获取轨迹数据集中原始轨迹嵌入表示和单点扰动轨迹集合中对抗轨迹嵌入表示,基于原始轨迹嵌入表示和对抗轨迹嵌入表示计算单点扰动损失并记录;将轨迹数据集中第一个轨迹点恢复初始状态,选择目标轨迹下一个轨迹点进行遍历并记录对应轨迹点的单点扰动损失,直至遍历完目标轨迹所有轨迹点;选取单点扰动损失最大时对应的单点扰动轨迹集合,将选取的单点扰动轨迹集合作为最优单点扰动样本;
基于节点脆弱性及最优扰动方向,将单点扰动样本聚合到高维超球面,在受限迭代空间内根据模型决策的梯度确定轨迹迭代方向,得到并输出最优的目标轨迹对抗样本,其中,将单点扰动样本聚合到高维超球面,包含:将单点扰动样本聚合到指定维数的高维数据空间,所述指定维数为单点扰动样本离散轨迹点数乘以2;将单点扰动样本向各维度分别移动相同步长,并分别朝轨迹数据集原始轨迹方向或相反方向映射到超球面上,所述超球面的半径为扰动强度。
2.根据权利要求1所述的基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,构建轨迹数据集,包含:
利用采集设备收集原始轨迹数据,基于原始轨迹数据构建轨迹数据集,所述采集设备为飞行器、船舶或交通工具;
或利用轨迹公开数据集合构建轨迹数据集。
3.根据权利要求1所述的基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,利用轨迹数据集训练轨迹表示模型,包含:将轨迹数据集按指定比例划分为训练数据集和测试数据集,通过数据增强方式对训练数据集进行数据增强,所述数据增强方式包括但不限于:轨迹点下采样和轨迹扭曲;
设置轨迹表示模型,利用增强数据和训练数据集对轨迹表示模型进行训练,并利用测试数据集对训练后的轨迹表示模型进行调优,以将训练调优后的轨迹表示模型作为待对抗攻击的目标模型。
4.根据权利要求1所述的基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,离散点集合表示为:
,其中,为目标轨迹内第一个轨迹点,为扰动强度,为迭代角度,为当前轨迹点一次扰动后的目标点经纬度,表示目标轨迹中第一个轨迹点的采样时间,和分别表示目标轨迹中第一个轨迹点的经度和纬度。
5.根据权利要求1所述的基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,在受限迭代空间内根据模型决策的梯度确定轨迹迭代方向,包含:将单点扰动样本作为起始点进行迭代,并计算当前迭代下邻域内各扰动样本与轨迹数据集中原始轨迹数据之间的单点扰动损失,基于单点扰动损失估算梯度,利用估算梯度确定轨迹迭代方向。
6.根据权利要求5所述的基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,梯度估算公式表示为:,其中,表示高维数据空间中的第维分量,表示第个偏导,且,,为需要映射的样本数据,为样本数据的范数,表示的第维数据,为扰动强度,为样本数据个数,表示对样本数据中轨迹沿第个轴正方向上偏移对应分量步长,表示轨迹数据集中原始轨迹,表示平均绝对误差损失。
7.根据权利要求1所述的基于模型决策的轨迹相似性度量黑盒对抗攻击方法,其特征在于,还包含:
基于目标模型获取对抗样本的轨迹嵌入表示,并通过相似性度量函数和示性函数获取对抗样本与轨迹数据集中原始轨迹的相似性排名;
利用对抗样本的相似性平均排名和相似性排名分布衡量对抗样本的攻击效果。
8.一种基于模型决策的轨迹相似性度量黑盒对抗攻击系统,其特征在于,包含:数据获取模块、模型训练模块、扰动设置模块和对抗攻击模块,其中,数据获取模块,用于构建轨迹数据集,所述轨迹数据集中的每条轨迹由轨迹点采样时间和轨迹点经纬度组成的有序序列表示;
模型训练模块,用于利用轨迹数据集训练轨迹表示模型,将训练后的轨迹表示模型作为待对抗攻击的目标模型,所述轨迹表示模型用于将轨迹映射到嵌入向量空间并输出轨迹嵌入向量表示;
扰动设置模块,用于基于目标模型及单点脆弱性扫描获取固定扰动强度下节点脆弱性及单点扰动下最优扰动方向,并构建单点扰动样本;其中,获取固定扰动强度下节点脆弱性及单点扰动下最优扰动方向,包含:设置扰动强度及迭代角度,并在目标轨迹内选择第一个轨迹点;将选择的轨迹点迭代扰动至以选择的轨迹点为圆心、以扰动强度为半径的圆上的有限离散点,并通过固定迭代角度来遍历圆上不同离散点,形成离散点集合;将轨迹数据集中第一个轨迹点分别替换成离散点集合,得到单点扰动轨迹集合;利用目标模型获取轨迹数据集中原始轨迹嵌入表示和单点扰动轨迹集合中对抗轨迹嵌入表示,基于原始轨迹嵌入表示和对抗轨迹嵌入表示计算单点扰动损失并记录;将轨迹数据集中第一个轨迹点恢复初始状态,选择目标轨迹下一个轨迹点进行遍历并记录对应轨迹点的单点扰动损失,直至遍历完目标轨迹所有轨迹点;选取单点扰动损失最大时对应的单点扰动轨迹集合,将选取的单点扰动轨迹集合作为最优单点扰动样本;
对抗攻击模块,用于基于节点脆弱性及最优扰动方向,将单点扰动样本聚合到高维超球面,在受限迭代空间内根据模型决策的梯度确定轨迹迭代方向,得到并输出最优的目标轨迹对抗样本,其中,将单点扰动样本聚合到高维超球面,包含:将单点扰动样本聚合到指定维数的高维数据空间,所述指定维数为单点扰动样本离散轨迹点数乘以2;将单点扰动样本向各维度分别移动相同步长,并分别朝轨迹数据集原始轨迹方向或相反方向映射到超球面上,所述超球面的半径为扰动强度。