Este documento investiga cómo construir un marco de lanzamiento de ataques de suplantación inalámbrica controlable impulsado por modelado de canal fundamental y conjuntos de datos inalámbricos prácticos. Primero, proponemos un esquema de ataque de suplantación inalámbrica contra el mecanismo de defensa con aprendizaje profundo adversarial. Para obtener características del canal y facilitar el entrenamiento fuera de línea del modelo de ataque, se propone un sensor de canal auxiliar con modelado de canal fundamental. Con base en esto, se diseña una red generativa adversarial de equilibrio de límites condicionales (CBEGAN) con un autoencoder adversarial (AAE), que toma las etiquetas verdaderas de las señales y las características del canal como condiciones y permite la generación de señales de suplantación controlables para engañar al clasificador legítimo protegido. Verificamos el rendimiento del esquema de ataque de suplantación propuesto con CBEGAN y el sensor de canal utilizando conjuntos de datos inalámbricos, que contienen datos de señales de múltiples emisores y tipos de modulación. Los resultados muestran que el esquema propuesto supera el ataque aleatorio, el ataque de repetición y el esquema de ataque reciente basado en redes generativas adversariales (GAN) cuando un único emisor legítimo envía un tipo de modulación fijo. También se muestra que la probabilidad de éxito promedio del ataque del modelo de CBEGAN propuesto puede alcanzar más del 80% al imitar múltiples emisores y tipos de modulación. Se evalúa el rendimiento del esquema propuesto en diferentes condiciones de canal, incluido la relación señal-ruido (SNR) y el factor K del canal de desvanecimiento de Rician.