論文の概要: Learning End-to-End Codes for the BPSK-constrained Gaussian Wiretap
Channel
- arxiv url: http://arxiv.org/abs/2003.10577v1
- Date: Mon, 23 Mar 2020 23:26:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 23:59:19.814579
- Title: Learning End-to-End Codes for the BPSK-constrained Gaussian Wiretap
Channel
- Title（参考訳）: BPSK制約付きガウスワイアタップチャネルにおけるエンドツーエンド符号の学習
- Authors: Alireza Nooraiepour and Sina Rezaei Aghdam
- Abstract要約: ゴールは、一対の送信機と受信機が敵の存在下で確実に確実に通信できるコードを見つけることである。
このセキュリティは,MINEと呼ばれる深層学習ツールを用いた相互情報の観点から評価される。
数値的な結果から、この環境では、正統派が確実に安全な伝達を確立できることが示されている。
- 参考スコア（独自算出の注目度）: 1.9036571490366496
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Finite-length codes are learned for the Gaussian wiretap channel in an
end-to-end manner assuming that the communication parties are equipped with
deep neural networks (DNNs), and communicate through binary phase-shift keying
(BPSK) modulation scheme. The goal is to find codes via DNNs which allow a pair
of transmitter and receiver to communicate reliably and securely in the
presence of an adversary aiming at decoding the secret messages. Following the
information-theoretic secrecy principles, the security is evaluated in terms of
mutual information utilizing a deep learning tool called MINE (mutual
information neural estimation). System performance is evaluated for different
DNN architectures, designed based on the existing secure coding schemes, at the
transmitter. Numerical results demonstrate that the legitimate parties can
indeed establish a secure transmission in this setting as the learned codes
achieve points on almost the boundary of the equivocation region.
- Abstract（参考訳）: 通信相手がディープニューラルネットワーク(DNN)を備えており、バイナリ位相シフトキー(BPSK)変調スキームを介して通信していると仮定して、ガウスワイヤタップチャネルの有限長符号をエンドツーエンドに学習する。
目標は、一対の送信機と受信機が、秘密のメッセージをデコードしようとする敵の存在下で確実に安全に通信できるようにするdnnによるコードを見つけることである。
情報理論的な秘密原則に従い、マイニング(mutual information neural estimation)と呼ばれる深層学習ツールを用いた相互情報の観点からセキュリティを評価する。
システム性能は、送信側で既存のセキュアな符号化方式に基づいて設計された異なるDNNアーキテクチャに対して評価される。
数値的な結果から,学習符号が等価領域の境界付近の点を達成できるため,正統派は確実にセキュアな伝送を確立できることが示された。
関連論文リスト
- Deep Learning-based Codes for Wiretap Fading Channels [27.397083701319744]
本研究は,マルチタップフェーディングワイヤタップチャネルのための深層学習に基づく有限ブロック長符号構成を初めて実験的に評価した。
誤り発生確率と情報漏洩率の評価に加えて, (i) フェーディングタップ数, (ii) フェーディング係数のばらつき, (iii) ハッシュ関数ベースのセキュリティ層に対するシード選択の影響について述べる。
論文 参考訳（メタデータ） (2024-09-13T12:45:30Z) - Physical Layer Deception with Non-Orthogonal Multiplexing [52.11755709248891]
本稿では,ワイヤタッピングの試みに積極的に対処する物理層騙し(PLD)の枠組みを提案する。
PLDはPLSと偽装技術を組み合わせることで、積極的に盗聴の試みに対処する。
本研究では,PLDフレームワークの有効性を詳細な分析で証明し,従来のPLS手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2024-06-30T16:17:39Z) - Flexible polar encoding for information reconciliation in QKD [2.627883025193776]
量子鍵分配(QKD)は、情報理論的に安全な共通秘密鍵を確立する。
一般に量子チャネルに対する敵の誘惑に起因すると考えられるエラーは、公開チャネル上の古典的な通信を用いて修正する必要がある。
信頼性シーケンスを導出し,デコーダの選択に依存しないエンコーダの設計に利用できることを示す。
論文 参考訳（メタデータ） (2023-11-30T16:01:10Z) - Joint Sensing and Semantic Communications with Multi-Task Deep Learning [45.622060532244944]
本稿では,協調センシングとコミュニケーションのための深層学習技術の統合と,セマンティックコミュニケーションの拡張について検討する。
統合システムは、無線チャンネル上で動作し、ノイズやフェーディングを受ける送信機と受信機とを備える。
送信機はディープニューラルネットワーク(DNN)、すなわちエンコーダを使用し、ソース符号化、チャネル符号化、変調のジョイント操作を行う。
受信機は別のDNN、すなわちデコーダを使用して、復調、チャネル復号、ソース復号のジョイント操作を行い、データサンプルを再構築する。
論文 参考訳（メタデータ） (2023-11-08T21:03:43Z) - Semantics Alignment via Split Learning for Resilient Multi-User Semantic
Communication [56.54422521327698]
最近の意味コミュニケーションの研究は、ディープジョイントソースやチャネルコーディング(DeepJSCC)のようなニューラルネットワーク(NN)ベースのトランシーバに依存している。
従来のトランシーバとは異なり、これらのニューラルトランシーバは実際のソースデータとチャネルを使用してトレーニング可能であり、セマンティクスを抽出し通信することができる。
本稿では,分割学習(SL)と部分的NN微調整技術を活用する分散学習ベースソリューションを提案する。
論文 参考訳（メタデータ） (2023-10-13T20:29:55Z) - Secure Deep-JSCC Against Multiple Eavesdroppers [13.422085141752468]
本稿では,複数の盗聴者に対してセキュアなコミュニケーションを実現するためのエンド・ツー・エンド(E2E)学習手法を提案する。
我々は,データ駆動型セキュア通信方式を実現するために,ディープニューラルネットワーク(DNN)を実装した。
実験の結果,セキュアなニューラルエンコーディングを用いることで,対向精度を28%低下させることができることがわかった。
論文 参考訳（メタデータ） (2023-08-05T14:40:35Z) - Practical quantum secure direct communication with squeezed states [55.41644538483948]
CV-QSDCシステムの最初の実験実験を行い,その安全性について報告する。
この実現は、将来的な脅威のない量子大都市圏ネットワークへの道を歩み、既存の高度な波長分割多重化(WDM)システムと互換性がある。
論文 参考訳（メタデータ） (2023-06-25T19:23:42Z) - A Scalable Graph Neural Network Decoder for Short Block Codes [49.25571364253986]
エッジ重み付きグラフニューラルネットワーク(EW-GNN)に基づく短絡符号の復号化アルゴリズムを提案する。
EW-GNNデコーダは、繰り返しメッセージパッシング構造を持つタナーグラフで動作する。
EW-GNNデコーダは,復号誤り率の観点から,BP法および深層学習に基づくBP法より優れていることを示す。
論文 参考訳（メタデータ） (2022-11-13T17:13:12Z) - Model-based Deep Learning Receiver Design for Rate-Splitting Multiple
Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。
MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。
その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文 参考訳（メタデータ） (2022-05-02T12:23:55Z) - End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge
Artificial Intelligence [38.518936229794214]
我々は、ニューロモルフィックセンシング、インパルスラジオ(IR)、スパイキングニューラルネットワーク(SNN)に基づく、遠隔無線推論のための新しい「オールスパイク」低電力ソリューションを提案する。
我々は,エンコーダ,チャネル,デコーダのカスケードを,JSCC(Joint Source-Channel Coding)を実装した確率的SNNベースのオートエンコーダとして扱うエンドツーエンドのトレーニング手順を導入する。
実験により、提案したエンドツーエンドのニューロモルフィックエッジアーキテクチャが、効率的で低レイテンシなリモートセンシング、通信、推論のための有望なフレームワークを提供することを確認した。
論文 参考訳（メタデータ） (2020-09-03T09:10:16Z) - DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO
Detection [98.43451011898212]
複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。
本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。
DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
論文 参考訳（メタデータ） (2020-02-08T18:31:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。