En la guerra moderna, la comunicación de salto de frecuencia sirve como el método principal para la transmisión de información en el campo de batalla, con su significado creciendo continuamente. Luchar por el control del poder electromagnético en el campo de batalla se ha convertido en un factor importante que afecta el resultado de la guerra. A medida que la guerra electrónica de comunicaciones evoluciona, los inhibidores que emplean redes neuronales profundas (DNNs) para decodificar los parámetros de comunicación de salto de frecuencia para interferencias inteligentes representan una amenaza significativa para los comunicadores. Este documento propone un método para generar muestras adversarias de señales de comunicación de salto de frecuencia utilizando blanqueamiento adaptativo y suavizado de gradientes de características. Este método apunta al eslabón cognitivo de la DNN del inhibidor, con el objetivo de reducir la precisión de reconocimiento de modulación y contrarrestar las interferencias inteligentes. Primero, la señal de salto de frecuencia se blanquea de forma adaptativa. Posteriormente, se extraen características espaciotemporales ricas de la capa oculta después de introducir la señal en el modelo de red neuronal profunda para el cálculo de gradientes. El gradiente promedio de características de la señal reemplaza al gradiente de un solo punto para la iteración, mejorando las capacidades contra las perturbaciones. Los resultados de la simulación muestran que, en comparación con el algoritmo de ataque de símbolos de gradiente existente, la tasa de éxito del ataque y la tasa de migración de las muestras adversarias generadas por este método mejoran considerablemente tanto en escenarios de caja blanca como de caja negra.