本发明涉及物联网领域，尤其涉及一种提升人体行为识别系统对抗攻击识别准确率的方法及系统。
背景技术：
1、人体行为识别（human activity recognition，har）由于在智能家居、医疗保健等各个领域的广阔应用前景，近年来得到了广泛的研究。传统的人体行为识别系统需要人类佩戴某些设备，如手机、智能手表或其他可穿戴设备。然而，这种基于设备的方法不仅给人体活动带来了一定的负担，而且还面临着能源消耗问题。为了解决这些缺点，最近一些研究开始探索无设备的人体行为识别方法，典型的有基于空间中的wifi、超声波和可见光等信号来构建人体行为识别系统。特别的，由于当今wifi的广泛使用，基于wifi的人体行为识别受到越来越多的关注。
2、基于wifi的人体行为识别是利用人体作为wifi信号的反射器，然后收集相应的反射信息作为输入数据来训练模型。具体来说，现有的基于wifi的人体行为识别方法大多使用信道状态信息（channel state information, csi）来进行人体行为识别任务，这主要由于不同的人体动作所产生的csi数据在wifi接收器上有着显著的差异。近些年来的许多工作表明了基于wifi的人体行为识别可以达到一个良好的识别准确率。
3、然而，发明人发现，这种基于wifi的人体行为识别系统仍然容易受到对抗攻击。通过使用对抗样本攻击几个现有基于wifi的人体行为识别系统，发现它们的性能急剧下降。通常，使用对抗训练来提供模型的鲁棒性是有效的。然而，传统对抗训练方法是有一些固有缺陷的。在对抗训练中，扰动强度起着至关重要的作用，不适当的扰动强度会影响对抗训练的效果。具体来说，太轻的扰动对提高模型的鲁棒性作用不大，而太剧烈的扰动尽管能提高模型的鲁棒性，但可能会大大降低模型对原始干净样本的识别准确性。因此，对抗性训练通过选择一个合适的扰动半径来限制样本的扰动强度。但发明人发现这种方法是不完善的，因为即使是在同一个的扰动半径下，每个生成的对抗样本的扰动强度是不同的，这也就意味着即使选择一个合适的扰动半径，仍然可能存在部分受到极端扰动的样本，如太轻或太剧烈的扰动，这些样本仍然可能损害对抗训练的结果，导致在对抗攻击后人体行为识别模型的识别准确率下降，使得人体行为识别模型的鲁棒性不佳。
4、有鉴于此，特提出本发明。
技术实现思路
1、本发明的目的是提供了一种提升人体行为识别系统对抗攻击识别准确率的方法及系统，能在受到对抗攻击后提升基于wifi的人体行为识别系统的识别准确率，进而解决现有技术中存在的上述技术问题。
2、本发明的目的是通过以下技术方案实现的：
3、一种提升人体行为识别系统对抗攻击识别准确率的方法，包括：
4、步骤1，使用温度参数对训练过的基于wifi的人体行为识别系统的人体行为识别模型的线性层输出向量进行缩放，来对该人体行为识别模型进行置信度校准；
5、步骤2，通过基于置信度输出的对抗样本评估从生成的对抗样本中选择出合适的对抗样本；
6、步骤3，利用所述步骤2选择出的合适的对抗样本对所述步骤1进行置信度校准后的人体行为识别模型进行对抗训练，由对抗训练好的人体行为识别模型进行基于wifi的人体行为识别。
7、一种提升人体行为识别系统对抗攻击识别准确率的系统，用于实现本发明所述的方法，包括：
8、模型校准模块和样本筛选模块；其中，
9、所述模型校准模块，与基于wifi的人体行为识别系统的人体行为识别模型通信连接，能使用温度参数τ缩放线性层输出向量来对基于wifi的人体行为识别系统的训练过的人体行为识别模型进行置信度校准；
10、所述样本筛选模块，与所述基于wifi的人体行为识别系统的人体行为识别模型通信连接，能通过基于置信度输出的对抗样本评估从生成的对抗样本中选择出合适的对抗样本，利用选择出的合适的对抗样本对所述模型校准模块校准后的人体行为识别模型进行对抗训练，以利用对抗训练好后的人体行为识别模型进行基于wifi的人体行为识别。
11、与现有技术相比，本发明所提供的提升人体行为识别系统对抗攻击识别准确率的方法及系统，其有益效果包括：
12、通过温度参数先对人体行为识别模型的置信度进行校准，再通过基于置信度输出的对抗样本评估选择出不同扰动的对抗样本来对人体行为识别模型进行对抗训练，提升了人体行为识别模型对抗攻击后的识别准确率，保证了人体行为识别模型对抗攻击的鲁棒性，进而提升了人体行为识别系统的识别准确率。
1.一种提升人体行为识别系统对抗攻击识别准确率的方法，其特征在于，包括：
2.根据权利要求1所述的提升人体行为识别系统对抗攻击识别准确率的方法，其特征在于，所述步骤1中，按以下方式使用温度参数τ缩放线性层输出向量来对基于wifi的人体行为识别系统的训练过的人体行为识别模型进行置信度校准，包括：
3.根据权利要求1或2所述的提升人体行为识别系统对抗攻击识别准确率的方法，其特征在于，所述步骤2中，按以下方式通过基于置信度输出的对抗样本评估从生成的对抗样本中选择出合适的对抗样本，包括：
4.一种提升人体行为识别系统对抗攻击识别准确率的系统，其特征在于，用于实现权利要求1-3任一项所述的方法，包括：
5.根据权利要求4所述的提升人体行为识别系统对抗攻击识别准确率的系统，其特征在于，所述模型校准模块按以下方式使用温度参数τ缩放线性层输出向量来对基于wifi的人体行为识别系统的训练过的人体行为识别模型进行置信度校准，包括：
6.根据权利要求4或5所述的提升人体行为识别系统对抗攻击识别准确率的系统，其特征在于，所述样本筛选模块按以下方式通过基于置信度输出的对抗样本评估从生成的对抗样本中选择出合适的对抗样本，包括：
