論文の概要: Privacy-Aware Communication Over the Wiretap Channel with Generative Networks

• arxiv url: http://arxiv.org/abs/2110.04094v1
• Date: Fri, 8 Oct 2021 12:47:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 14:34:52.340007
• Title: Privacy-Aware Communication Over the Wiretap Channel with Generative Networks
• Title（参考訳）: ジェネレイティブネットワークを用いたワイヤタップチャネル上のプライバシアウェア通信
• Authors: Ecenaz Erdemir, Pier Luigi Dragotti, Deniz Gunduz
• Abstract要約: エンド・ツー・エンド・ラーニング(エンド・ツー・エンド・ラーニング)を用いて,ワイアタップ・チャネル上でのプライバシ・アウェア・コミュニケーションについて検討する。 可変オートエンコーダ (VAE) を用いたジョイントソースチャネル符号化 (JSCC) を用いたデータ駆動方式を提案する。
• 参考スコア（独自算出の注目度）: 34.6578234382717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study privacy-aware communication over a wiretap channel using end-to-end learning. Alice wants to transmit a source signal to Bob over a binary symmetric channel, while passive eavesdropper Eve tries to infer some sensitive attribute of Alice's source based on its overheard signal. Since we usually do not have access to true distributions, we propose a data-driven approach using variational autoencoder (VAE)-based joint source channel coding (JSCC). We show through simulations with the colored MNIST dataset that our approach provides high reconstruction quality at the receiver while confusing the eavesdropper about the latent sensitive attribute, which consists of the color and thickness of the digits. Finally, we consider a parallel-channel scenario, and show that our approach arranges the information transmission such that the channels with higher noise levels at the eavesdropper carry the sensitive information, while the non-sensitive information is transmitted over more vulnerable channels.
• Abstract（参考訳）: エンド・ツー・エンド・ラーニング(end-to-end learning)を用いて,盗聴チャネル上でのプライバシー対応通信について検討した。 アリスは二元対称チャネル上でボブにソース信号を送信したいが、パッシブ・イーヴは、その過剰な信号に基づいてアリスのソースの繊細な特性を推測しようとする。 通常、真の分布にアクセスできないため、可変オートエンコーダ(VAE)ベースのジョイントソースチャネル符号化(JSCC)を用いたデータ駆動方式を提案する。 色付きMNISTデータセットを用いたシミュレーションにより,本手法は受信機に高い再現性を与えるとともに,文字の色と厚さからなる潜時感度特性について,盗聴器を混乱させる。 最後に,パラレルチャネルのシナリオを考察し,盗聴者のノイズレベルが高いチャネルが機密情報を持ち,非機密情報がより脆弱なチャネルを介して送信されるように情報伝達を配置する手法を示す。

関連論文リスト

• Secure Integrated Sensing and Communication Under Correlated Rayleigh Fading [35.096935840816684]
  我々は、信号が状態依存の通信路を介して送信されるセキュアな統合センシング通信(ISAC)のシナリオを考察する。 レイリー・フェーディング(Rayleigh fading)の下で, 劣化したセキュアなISACチャネルに対して, 達成可能な秘密のゆがみ領域を確立し, 説明する。
  論文  参考訳（メタデータ） (2024-08-30T07:16:55Z)
• Joint Sensing and Task-Oriented Communications with Image and Wireless Data Modalities for Dynamic Spectrum Access [49.83882366499547]
  本稿では,マルチモーダル画像とスペクトルデータの相乗効果を利用した動的スペクトルアクセスの深層学習手法を提案する。 本稿では,送信機を搭載可能な車両などの潜在的な物体を撮影するカメラを備えたエッジデバイスについて考察する。 本稿では、エッジデバイスが、融合センターとして機能する信頼できる受信機に選択的に処理された情報を通信する協調システムを提案する。
  論文  参考訳（メタデータ） (2023-12-21T15:26:26Z)
• 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)
• Distributed Deep Joint Source-Channel Coding with Decoder-Only Side Information [6.411633100057159]
  本稿では,受信側のみに相関する側情報が存在する場合,ノイズの多い無線チャネル上での低遅延画像伝送について検討する。 本稿では,デコーダのみの側情報をレシーバ側の複数段階に組み込んだ新しいニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-10-06T15:17:45Z)
• 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)
• Age of Information in Deep Learning-Driven Task-Oriented Communications [78.84264189471936]
  本稿では,その送信機におけるデータを利用した受信機におけるタスク実行を目的とした,タスク指向コミュニケーションにおける年齢概念について検討する。 送信機-受信機操作は、共同で訓練されたディープニューラルネットワーク(DNN)のエンコーダ-デコーダペアとしてモデル化される。
  論文  参考訳（メタデータ） (2023-01-11T04:15:51Z)
• Is Semantic Communications Secure? A Tale of Multi-Domain Adversarial Attacks [70.51799606279883]
  セマンティック・コミュニケーションのためのディープ・ニューラル・ネットワーク(DNN)に対するテスト・タイム・アタックを導入する。 再建損失が低い場合でも,伝達情報のセマンティクスを変更可能であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:13:22Z)
• Distributed Image Transmission using Deep Joint Source-Channel Coding [8.316711745589354]
  相関画像ソースに対するディープジョイントソースチャネル符号化(D-JSCC)の問題点について検討する。 軽量エッジエンコーダと強力なセンターデコーダを備えたディープニューラルネットワークソリューションを提案する。 本研究は,両リンクの雑音表現を利用して,両リンクの復元品質を著しく改善したことを示す。
  論文  参考訳（メタデータ） (2022-01-25T14:25:26Z)
• Multi-Channel End-to-End Neural Diarization with Distributed Microphones [53.99406868339701]
  EENDのTransformerエンコーダを,マルチチャネル入力を処理する2種類のエンコーダに置き換える。 また,単一チャンネル記録のみを用いたモデル適応手法を提案する。
  論文  参考訳（メタデータ） (2021-10-10T03:24:03Z)
• Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
  機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。 このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。 提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-02-14T06:58:27Z)

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。