一种基于深度学习的电磁信息泄漏检测方法

作     者：茅剑 刘泰康 刘培国 MAO Jian;LIU Taikang;LIU Peiguo

作者机构：集美大学计算机工程学院厦门361021 中国电子科技集团有限公司第三十三研究所太原20043 国防科学技术大学电子科学学院长沙410073 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2021年第47卷第11期

页      面：2200-2207页

核心收录：

学科分类：07[理学] 0839[工学-网络空间安全] 08[工学] 070104[理学-应用数学] 081101[工学-控制理论与控制工程] 081201[工学-计算机系统结构] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61672335) 

主　　题：信息安全 深度学习 信号检测 无意电磁发射 电磁信息泄漏 

摘      要：电子信息设备工作时无意发射的电磁波中包含有用信息,会导致电磁信息泄漏,从而威胁设备的信息安全。现有的电磁信息泄漏检测方法,在复杂现场环境下,难以从具有不确定性的电磁泄漏信号中提取有用信息。面向电磁信息安全问题,开展了电磁信息泄漏检测研究,提出了一种基于深度学习的检测方法。设计了一个适用于电磁泄漏信号的一维卷积神经网络,并结合改进的梯度加权类激活映射方法,在未知电磁信息泄漏特征的前提下,通过深度学习实现电磁信息泄漏特征的智能标定和自动提取,从而解决了现场环境下电磁信息泄漏检测难以提取有用信息的问题。分别通过实测和仿真对比实验,验证了所提方法的有效性。