論文の概要: Truly Intelligent Reflecting Surface-Aided Secure Communication Using Deep Learning

• arxiv url: http://arxiv.org/abs/2004.03056v2
• Date: Sun, 21 Feb 2021 01:54:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 00:51:50.733040
• Title: Truly Intelligent Reflecting Surface-Aided Secure Communication Using Deep Learning
• Title（参考訳）: 深層学習を用いた完全インテリジェント反射型表面支援型セキュア通信
• Authors: Yizhuo Song, Muhammad R. A. Khandaker, Faisal Tariq, Kai-Kit Wong and Apriana Toding
• Abstract要約: 本稿では,無線環境における通信のための物理層セキュリティ設計のための機械学習について考察する。 リアルタイムにIRS要素の反射を調整するための深層学習(DL)技術が開発されている。
• 参考スコア（独自算出の注目度）: 32.34501171201543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper considers machine learning for physical layer security design for communication in a challenging wireless environment. The radio environment is assumed to be programmable with the aid of a meta material-based intelligent reflecting surface (IRS) allowing customisable path loss, multi-path fading and interference effects. In particular, the fine-grained reflections from the IRS elements are exploited to create channel advantage for maximizing the secrecy rate at a legitimate receiver. A deep learning (DL) technique has been developed to tune the reflections of the IRS elements in real-time. Simulation results demonstrate that the DL approach yields comparable performance to the conventional approaches while significantly reducing the computational complexity.
• Abstract（参考訳）: 本稿では,無線環境における通信のための物理層セキュリティ設計のための機械学習について述べる。 無線環境は、メタマテリアルベースのインテリジェント反射面(IRS)を用いて、カスタマイズ可能なパス損失、マルチパスフェード、干渉効果をプログラム可能であると仮定される。 特に、irs要素からのきめ細かい反射は、正当な受信機で秘密化率を最大化するためにチャンネルアドバンテージを作成するために利用される。 リアルタイムにIRS要素の反射を調整するための深層学習(DL)技術が開発されている。 シミュレーションの結果,DL手法は計算複雑性を著しく低減しつつ,従来の手法に匹敵する性能を示した。

関連論文リスト

• Outdoor Environment Reconstruction with Deep Learning on Radio Propagation Paths [5.030571576007511]
  本稿では,屋外環境再建のための環境無線信号を利用した新しいアプローチを提案する。 無線周波数(RF)データを解析することにより,環境特性を推定し,屋外環境をデジタル的に再構築することを目的とする。 2つのDL駆動アプローチが評価され、交差対ユニオン(IoU)、ハウスドルフ距離、シャンファー距離などの指標を用いて性能が評価される。
  論文  参考訳（メタデータ） (2024-02-27T09:11:10Z)
• Edge Intelligence Over the Air: Two Faces of Interference in Federated Learning [95.31679010587473]
  フェデレートされたエッジ学習は、次世代無線ネットワークにおけるインテリジェンスの実現の基盤として考えられている。 本稿では,無線によるエッジ学習システムにおける干渉の肯定的および否定的影響について概説する。
  論文  参考訳（メタデータ） (2023-06-17T09:04:48Z)
• Machine Learning for Metasurfaces Design and Their Applications [20.350142630673197]
  マシン/ディープラーニング(ML/DL)技術は、RIS逆設計の計算コストと時間を削減する上で重要である。 本章は、逆RIS設計とRISアシスト無線システムの両方のためのDL技術のシナプスを提供する。
  論文  参考訳（メタデータ） (2022-11-02T17:19:37Z)
• Pervasive Machine Learning for Smart Radio Environments Enabled by Reconfigurable Intelligent Surfaces [56.35676570414731]
  Reconfigurable Intelligent Surfaces(RIS)の新たな技術は、スマート無線環境の実現手段として準備されている。 RISは、無線媒体上の電磁信号の伝搬を動的に制御するための、高度にスケーラブルで低コストで、ハードウェア効率が高く、ほぼエネルギーニュートラルなソリューションを提供する。 このような再構成可能な無線環境におけるRISの密配置に関する大きな課題の1つは、複数の準曲面の効率的な構成である。
  論文  参考訳（メタデータ） (2022-05-08T06:21:33Z)
• 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)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Deep Learning-based Phase Reconfiguration for Intelligent Reflecting Surfaces [0.0]
  IRSにおける位相再構成のための深層学習(DL)手法を提案する。 提案手法は、IRSを通して反射された受信したパイロット信号を用いて、ディープフィードフォワードネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2020-09-29T13:18:24Z)
• A Survey of Deep Learning Architectures for Intelligent Reflecting Surfaces [22.51807198305316]
  インテリジェント反射面(IRS)は近年,無線通信において大きな注目を集めている。 ディープラーニング(DL)のようなデータ駆動技術は、これらの課題に対処するために重要である。 本稿では、DLベースのIRSアシスト無線システムを設計するためのこれらの技術の概要について述べる。
  論文  参考訳（メタデータ） (2020-09-05T14:26:48Z)
• Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
  インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。 散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。 本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
  論文  参考訳（メタデータ） (2020-08-29T08:39:43Z)
• Intelligent Reflecting Surface Aided Wireless Communications: A Tutorial [64.77665786141166]
  インテリジェント反射面(Intelligent Reflecting Surface、IRS)は、無線ネットワークにおける電波伝搬を工学する技術である。 IRSは無線チャネルを動的に変更して通信性能を向上させることができる。 その大きな可能性にもかかわらず、IRSは無線ネットワークに効率的に統合されるための新たな課題に直面している。
  論文  参考訳（メタデータ） (2020-07-06T13:59:09Z)

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。