基于知识表示学习的通信辐射源威胁评估方法

最新推荐文章于 2025-05-08 19:00:00 发布

罗伯特之技术屋

最新推荐文章于 2025-05-08 19:00:00 发布

阅读量334

点赞数

分类专栏：网络通信安全及科学技术专栏文章标签：学习知识图谱人工智能

本文链接：https://blog.csdn.net/weixin_57147647/article/details/126862440

版权

网络通信安全及科学技术专栏专栏收录该内容

179 篇文章 ¥69.90 ¥99.00

订阅专栏

超级会员免费看

本文提出将知识图谱和表示学习TransE模型应用于通信辐射源威胁评估，构建通信辐射源威胁评估知识图谱本体，通过TransE模型挖掘隐藏关系，提升威胁评估准确率。实验表明，随着数据动态变化，威胁评估的准确率得到提升，证实了该方法的有效性和可扩展性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【摘要】复杂动态电磁环境下，通信辐射源威胁评估技术面临评估要素不完备、评估数据多源和知识动态可扩展等挑战。为解决这一问题，提出了将知识图谱应用于通信辐射源威胁评估，完成通信辐射源威胁评估知识图谱的本体建模，并利用知识图谱表示学习中的TransE模型挖掘通信辐射源间的隐藏关系，从而推理出通信辐射源的威胁等级。TransE模型的链路预测实验结果表明，随着数据的新增与动态变化，威胁评估准确率得到提升。

【关键词】通信辐射源；知识图谱；表示学习；威胁评估；链路预测

0 引言

通信对抗作为电子对抗的一种，是敌我双方在通信领域争夺电磁优势的方式。其中分布式协同干扰是一种电子对抗手段，通过分散抛撒或配置多个电子设备在地、海、空域内攻击目标，具有数量多、范围广等特点，具备电子对抗的优势。以“狼群”系统为例，2000年美国国防高级研究计划局（DARPA, Defense Advanced Research Projects Agency）对外宣布开始进行狼群（WOLFPACK）网络化电子战研究[1]，利用体积小、重量轻的小型电子干扰机在电子攻击目标的活动区域内，自动地对选定的电子设备进行干扰。该系统以分布式网络结构交换数据，以分布式干扰方式破坏敌方通信链路，对敌方通信辐射源像狼群围攻