نظام التعرف على الأهداف في صور الاستشعار عن بعد معتمد على الشبكات العصبية العميقة قد بدأ ينتشر تدريجياً في الاستطلاع الاستخباري الفضائي، والتحكم بالبيئة في القتال غير المأهول، والتوجيه المركب للأهداف في العديد من المشاهد العسكرية. ومع ذلك، نظراً لنقص نظرية التعلم العميق، وإعادة استخدام هيكل الشبكة العصبية العميقة من الناحية الهندسية، وتأثيرات عديدة مثل التشوش في بيئة الكهرومغناطيسية المعقدة، تؤدي العديد من العوامل إلى نقص تقييم النظام الحالي في مقاومة الهجمات والتي تعرضها لمخاطر أمنية كبيرة. في هذه الدراسة، قمنا بتحليل المخاطر الأمنية الناتجة عن نقص نظرية التعلم العميق وأنماط الهجمات على نظام التعرف، وقدمنا شرحاً مفصلاً عن المبادئ الأساسية والأساليب النموذجية لهجوم النماذج العميقة للتعرف على المقاومة. بالإضافة إلى ذلك، قمنا بتقييم مقاومة نماذج التعرف العميق لصور الاستشعار عن بُعد متعددة المصادر للهجمات العدائية من حيث معدل التعرف الصحيح المقاوم وقابلية الفحص للهجمات. حيث اشتمل التقييم على تسعة أنماط شائعة من بنية الشبكة العميقة للتعرف وسبعة أنماط مميزة من هجمات النماذج العدائية، وأكدت النتائج قصور مقاومة نماذج التعرف العميق للهجمات العدائية الحالية وقامت بتحليل الفروق في تفاعلات السمات الكامنة بين النماذج العدائية والنماذج العادية، وقدمت إشارات للأبحاث القادمة في تصميم خوارزميات الكشف عن النماذج العدائية وتعزيز مقاومة النموذج للهجمات.

تعرف الأهداف في صور الاستشعار عن بُعد المتعددة المصادر; شبكات الأعصاب العميقة; هجمات النماذج العدائية; تصور السمات; تقييم المرونة للهجمات