在存在敌对参与者的情况下，基于数据驱动的子抽样
通过对使用深度学习模型进行自动调制识别和子采样的自动调制识别系统进行对抗攻击的分析，揭示了子采样本身对对抗攻击具有有效的威慑作用，并找到了在对分类器和子采样器都预计会进行对抗攻击时最高效的子采样策略。
本文介绍了一种基于生成式对抗网络（GAN）的反攻击方法，用于保护基于深度神经网络（DNN）的自动调制分类（AMC）系统免受对抗性攻击。通过采用GAN与多发生器的混合，解决了模式塌陷问题，并提高了DNN-based AMC在对抗攻击下的准确性。模拟结果显示，该方法将准确性提高到约81％。
