El sistema de identificación de objetivos en imágenes de teledetección multisensor basado en redes neuronales profundas ha comenzado a ser ampliamente aplicado en el reconocimiento espacial, la conciencia autónoma de la situación de combate en entornos no tripulados, la navegación multimodal y otros escenarios militares. Sin embargo, debido a la incompletitud de la teoría del aprendizaje profundo, la reutilización intensiva del diseño de la estructura de las redes neuronales profundas y la influencia de todo tipo de interferencias en un entorno electromagnético complejo en el sistema de identificación de imágenes multi sensoriales, existe una evaluación insuficiente de la robustez frente a los ataques del sistema existente, lo que conlleva graves riesgos de seguridad. En este artículo, primero analizamos los riesgos potenciales para la seguridad debido a la incompletitud de la teoría del aprendizaje profundo y los patrones de ataque en el sistema de identificación, y presentamos los principios básicos y los métodos típicos de ataque de modelos de identificación profunda. Luego, evaluamos la robustez de los modelos de identificación profunda frente a los ataques en imágenes de teledetección multisensor desde el punto de vista de la tasa de reconocimiento correcto robusto y la explicabilidad de los ataques. La evaluación incluye nueve tipos comunes de arquitecturas de modelos de identificación profunda y siete tipos típicos de ataques a modelos de identificación, confirma la falta general de robustez de los modelos de identificación profunda frente a ataques complejos, analiza las diferencias en las activaciones ocultas de las características entre modelos de ataque y modelos normales, y proporciona pistas para el diseño futuro de algoritmos de detección de modelos de ataque y el fortalecimiento de la robustez de los modelos frente a los ataques.

Identificación de objetivos en imágenes de teledetección multi sensor; Redes neuronales profundas; Ataques; Visualización de características; Evaluación de la robustez frente a ataques