Dada la vulnerabilidad de las redes neuronales profundas a los ataques adversarios, la aplicación del aprendizaje profundo en la capa física inalámbrica suscita preocupaciones de seguridad integrales. En este artículo, consideramos un sistema de comunicación basado en autoencoders con un receptor legítimo de full-duplex (FD) y un espía externo. Se asume que el sistema está entrenado de extremo a extremo basado en los conceptos de autoencoder. El receptor legítimo FD transmite una señal de perturbación de adversario bien diseñada para interferir al espía mientras recibe información simultáneamente. Para defenderse de la auto-perturbación del canal de retroalimentación, el receptor legítimo es re-entrenado con el método de entrenamiento adversarial. Los resultados de la simulación muestran que con el esquema propuesto en este artículo, la tasa de error de bloque (BLER) del receptor legítimo casi no se ve afectada mientras que la BLER del espía aumenta en órdenes de magnitud. Esto garantiza una transmisión fiable y segura entre el transmisor y el receptor legítimo.