論文の概要: Reinforcement Learning for Deceiving Reactive Jammers in Wireless Networks

• arxiv url: http://arxiv.org/abs/2103.14056v1
• Date: Thu, 25 Mar 2021 18:12:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 12:31:15.817663
• Title: Reinforcement Learning for Deceiving Reactive Jammers in Wireless Networks
• Title（参考訳）: 無線ネットワークにおける反応型ジャマーを欺くための強化学習
• Authors: Ali Pourranjbar, Georges Kaddoum, Aidin Ferdowsi, and Walid Saad
• Abstract要約: 投石機を標的チャネルに攻撃させるという考え方に基づいて, 新規な投石防止戦略を提案する。 ジャマーのチャネル情報はユーザには知られていないため、最適なチャネル選択スキームとサブ最適電力割当が提案されている。 シミュレーションの結果,提案手法は,比較したrlベース抗ジャミング法とランダム探索法よりも優れていた。
• 参考スコア（独自算出の注目度）: 76.82565500647323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional anti-jamming method mostly rely on frequency hopping to hide or escape from jammer. These approaches are not efficient in terms of bandwidth usage and can also result in a high probability of jamming. Different from existing works, in this paper, a novel anti-jamming strategy is proposed based on the idea of deceiving the jammer into attacking a victim channel while maintaining the communications of legitimate users in safe channels. Since the jammer's channel information is not known to the users, an optimal channel selection scheme and a sub optimal power allocation are proposed using reinforcement learning (RL). The performance of the proposed anti-jamming technique is evaluated by deriving the statistical lower bound of the total received power (TRP). Analytical results show that, for a given access point, over 50 % of the highest achievable TRP, i.e. in the absence of jammers, is achieved for the case of a single user and three frequency channels. Moreover, this value increases with the number of users and available channels. The obtained results are compared with two existing RL based anti-jamming techniques, and random channel allocation strategy without any jamming attacks. Simulation results show that the proposed anti-jamming method outperforms the compared RL based anti-jamming methods and random search method, and yields near optimal achievable TRP.
• Abstract（参考訳）: 従来のジャミング法は主に周波数ホッピングに頼り、ジャミングから隠れたり逃げたりする。 これらの手法は帯域幅使用率の面では効率的ではなく、妨害の可能性も高い。 既存の作品と異なり,本論文では,ジャンマーを騙して被害者チャネルを攻撃させながら,正当なユーザのコミュニケーションを安全チャネルで維持するという,新たなアンチジャミング戦略を提案する。 ジャマーのチャネル情報はユーザには知られていないため、強化学習(RL)を用いて最適なチャネル選択方式とサブ最適電力割り当てを提案する。 提案手法の性能評価は,全受信電力(TRP)の統計的下限を導出することにより行う。 解析の結果,あるアクセスポイントにおいて,最大到達可能なtrpの50%以上,すなわち50%以上の値が得られた。 ジャマーがない場合は、1人のユーザーと3つの周波数チャネルの場合に達成される。 さらに、この値はユーザ数と利用可能なチャネル数によって増加する。 その結果、既存の2つのRLベースのアンチジャミング手法と、ジャミング攻撃を伴わないランダムチャネル割り当て戦略を比較した。 シミュレーションの結果,提案手法は, 比較したRL法とランダム探索法より優れ, 達成可能なTRPに近い値が得られることがわかった。

関連論文リスト

• Robust Network Slicing: Multi-Agent Policies, Adversarial Attacks, and Defensive Strategies [11.308544280789016]
  本稿では,複数の基地局とユーザを持つ動的環境下でのネットワークスライシングのためのマルチエージェント深層強化学習フレームワークを提案する。 プリミティブな事前情報と限られた電力予算を備えた深部RLベースのジャマを開発する。 提案手法は,ネットワークスライシングポリシーに関する直接的なフィードバックや事前知識を必要とせずに,被害者のパフォーマンスを著しく低減できることを示す。
  論文  参考訳（メタデータ） (2023-11-19T03:07:29Z)
• Anti-Exploration by Random Network Distillation [63.04360288089277]
  ランダムネットワーク蒸留 (RND) の条件付けは, 不確実性推定器として用いるのに十分な識別性がないことを示す。 この制限は、FiLM(Feature-wise Linear Modulation)に基づく条件付けによって回避できることを示す。 D4RLベンチマークで評価したところ、アンサンブルベースの手法に匹敵する性能を達成でき、アンサンブルのない手法よりも広いマージンで性能を向上できることがわかった。
  論文  参考訳（メタデータ） (2023-01-31T13:18:33Z)
• Recurrent Neural Network-based Anti-jamming Framework for Defense Against Multiple Jamming Policies [77.53658708277409]
  本稿では,現在のジャミング攻撃に対処するアンチ・ジャミング法を提案する。 単一および複数のジャマーシナリオにおいて、ユーザとジャマー間の相互作用は、リカレントニューラルネットワーク(RNN)を使用してモデル化される。
  論文  参考訳（メタデータ） (2022-08-19T19:12:38Z)
• Channel Estimation under Hardware Impairments: Bayesian Methods versus Deep Learning [2.055949720959582]
  効率的なチャネルを推定するために、ディープフィードフォワードニューラルネットワークを設計、訓練する。 その性能は、最先端の歪み認識およびベイズ線形最小二乗誤差(LMMSE)推定器と比較される。
  論文  参考訳（メタデータ） (2022-08-08T10:32:32Z)
• Jamming Pattern Recognition over Multi-Channel Networks: A Deep Learning Approach [88.72160601701937]
  インテリジェント・ジャムマーは、正統ノードによって追跡される確率を最小限に抑えるためにポリシーを変更することができる。 既存のジャミング法は、主に、不変なジャミングポリシーによるジャミング攻撃の軽減に焦点を当てているため、適用できない。 本稿では,ジャミング型認識技術とアンチジャミング手法を併用したジャミング型認識手法を提案する。
  論文  参考訳（メタデータ） (2021-12-19T04:29:23Z)
• Learning to Perform Downlink Channel Estimation in Massive MIMO Systems [72.76968022465469]
  大規模マルチインプット・マルチアウトプット(MIMO)システムにおけるダウンリンク(DL)チャネル推定について検討する。 一般的なアプローチは、チャネル硬化によって動機付けられた推定値として平均値を使用することである。 本稿では2つの新しい推定法を提案する。
  論文  参考訳（メタデータ） (2021-09-06T13:42:32Z)
• Channel-wise Gated Res2Net: Towards Robust Detection of Synthetic Speech Attacks [67.7648985513978]
  自動話者検証(ASV)における既存のアンチスプーフィングのアプローチは、未確認攻撃に対する一般化性に欠ける。 本稿では,チャネルワイズゲーティング機構を実現するためにRes2Netを改良した新しいCG-Res2Netを提案する。
  論文  参考訳（メタデータ） (2021-07-19T12:27:40Z)

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。