本文提出一种双向框架来提升零日干扰检测与评估的可靠性。首先，构建了一个在线检测系统，核心是图注意力网络（GAT）用于学习时频特征的全局结构，并结合 Dirichlet 过程均值（DP‑means）聚类实现已知干扰的分类与未知零日策略的发现，统一在同一学习目标下优化。其次，设计了一种基于推断的强化学习（RL）干扰器作为对抗基准。该干扰器将目标接收机视为黑箱，通过假设检验估计检测器状态，并在攻击效果与隐蔽性之间进行权衡优化。仿真表明，RL 干扰器相较于传统基准提升了 33% 的攻击效能和 67% 的隐蔽性；而针对该干扰器的检测框架在检测准确率上比现有方法高出约 20%。
点评