对抗鲁棒故障诊断网络

对抗攻击下诊断准确

一种结合对抗训练与残余扰动反演的方法，在对抗样本攻击下对高速列车转向架进行鲁棒故障诊断，性能显著优于现有方法。

王德胜 · 金炜东 · Wu, Yunpu · Ren, Junxiao

IEEE Transactions on Industrial Informatics 2024

技术优势

双重防御更安全

对抗训练提供基础鲁棒性，残余扰动反演进一步去除扰动，使模型对对抗攻击不敏感。

大幅超越现有方法

在高速列车转向架监测数据集上的实验结果表明，AdvSifter 的性能显著优于现有先进方法。

应用场景

• 高速列车转向架故障诊断：将模型部署到转向架监测系统，在对抗攻击下仍能准确识别故障。
• 对抗攻击防御：为安全关键系统提供对抗样本防御，防止恶意攻击导致误判。