論文の概要: Covert Communications via Adversarial Machine Learning and
Reconfigurable Intelligent Surfaces
- arxiv url: http://arxiv.org/abs/2112.11414v1
- Date: Tue, 21 Dec 2021 18:23:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-22 14:20:10.778260
- Title: Covert Communications via Adversarial Machine Learning and
Reconfigurable Intelligent Surfaces
- Title(参考訳): 逆機械学習と再構成可能なインテリジェントサーフェスによるカバートコミュニケーション
- Authors: Brian Kim and Tugba Erpek and Yalin E. Sagduyu and Sennur Ulukus
- Abstract要約: 再構成可能なインテリジェントサーフェス(RIS)は、信号の散乱と反射プロファイルを制御するために単位セルの配列に依存する。
本稿では,RISの存在下での隠蔽通信について考察する。
- 参考スコア(独自算出の注目度): 46.34482158291128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: By moving from massive antennas to antenna surfaces for software-defined
wireless systems, the reconfigurable intelligent surfaces (RISs) rely on arrays
of unit cells to control the scattering and reflection profiles of signals,
mitigating the propagation loss and multipath attenuation, and thereby
improving the coverage and spectral efficiency. In this paper, covert
communication is considered in the presence of the RIS. While there is an
ongoing transmission boosted by the RIS, both the intended receiver and an
eavesdropper individually try to detect this transmission using their own deep
neural network (DNN) classifiers. The RIS interaction vector is designed by
balancing two (potentially conflicting) objectives of focusing the transmitted
signal to the receiver and keeping the transmitted signal away from the
eavesdropper. To boost covert communications, adversarial perturbations are
added to signals at the transmitter to fool the eavesdropper's classifier while
keeping the effect on the receiver low. Results from different network
topologies show that adversarial perturbation and RIS interaction vector can be
jointly designed to effectively increase the signal detection accuracy at the
receiver while reducing the detection accuracy at the eavesdropper to enable
covert communications.
- Abstract(参考訳): ソフトウェア定義の無線システム用アンテナ面からアンテナ面へ移動することにより、再構成可能なインテリジェントサーフェス(RIS)は、信号の散乱と反射プロファイルを制御するためにユニットセルの配列に依存し、伝搬損失とマルチパス減衰を緩和し、カバーとスペクトル効率を向上させる。
本稿では,RISの存在下での隠蔽通信について考察する。
RISによる送信が進行中であるが、意図された受信機と盗聴器の両方が、独自のディープニューラルネットワーク(DNN)分類器を使用して、この送信を個別に検出しようとする。
ris相互作用ベクトルは、送信信号を受信機に集中させ、送信信号を盗聴者から遠ざけるという2つの(潜在的に矛盾する)目的のバランスをとるように設計されている。
秘密通信を強化するため、送信機の信号に敵の摂動を加え、受信機への影響を低く保ちながら盗聴者の分類を騙す。
異なるネットワークトポロジから得られた結果は、逆方向の摂動とRIS相互作用ベクトルを協調的に設計し、受信機における信号検出精度を効果的に向上し、盗聴器における検出精度を低減し、秘密通信を可能にすることを示す。
関連論文リスト
- Diff-GO: Diffusion Goal-Oriented Communications to Achieve Ultra-High
Spectrum Efficiency [46.92279990929111]
本研究では,拡散モデルに基づく生成AIを用いた超効率的な通信設計を提案する。
拡散モデルの訓練のための新しい低次元ノイズ空間を提案し,通信オーバーヘッドを大幅に低減する。
実験結果から,提案したノイズ空間と拡散に基づく生成モデルにより,伝送画像信号の超高スペクトル効率と精度の回復が得られた。
論文 参考訳(メタデータ) (2023-11-13T17:52:44Z) - Joint Sensing and Semantic Communications with Multi-Task Deep Learning [49.83882366499547]
無線チャンネル上で動作し、ノイズ及びフェーディング効果を受ける送信機と受信機とを含む統合システムである。
送信機は、ソースコーディング、チャネルコーディング、変調のジョイントオペレーションのために、ディープニューラルネットワーク、すなわちエンコーダを使用する。
受信機は、復調、チャネル復号、ソース復号のジョイントオペレーションにおいて、別のディープニューラルネットワーク、すなわちデコーダを使用して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) - Interference and noise cancellation for joint communication radar (JCR)
system based on contextual information [11.861415744626076]
本稿では,無線通信とレーダ信号の分離について検討する。
最適化ビームフォーミング重みは信号による干渉を緩和することを示す。
チャネル応答が不明な場合、低ノイズ・干渉キャンセルオートエンコーダとして干渉フィルタを設計した。
論文 参考訳(メタデータ) (2023-02-14T02:06:21Z) - 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) - Task-Oriented Communications for NextG: End-to-End Deep Learning and AI
Security Aspects [78.84264189471936]
NextG通信システムは,タスク指向通信などのタスクを確実に実行するために,この設計パラダイムのシフトを探求し始めている。
無線信号分類はNextG Radio Access Network (RAN) のタスクであり、エッジデバイスはスペクトル認識のための無線信号を収集し、信号ラベルを識別する必要があるNextGベースステーション(gNodeB)と通信する。
エッジデバイスとgNodeB用のエンコーダデコーダ対として、送信機、受信機、および分類器機能を共同で訓練することで、タスク指向通信を考える。
論文 参考訳(メタデータ) (2022-12-19T17:54:36Z) - Beurling-Selberg Extremization for Dual-Blind Deconvolution Recovery in
Joint Radar-Communications [38.440005068230576]
近年、統合センシングと通信への関心が、新しい信号処理技術の設計につながっている。
我々は、レーダと通信システムのチャネルと送信信号が共通受信機に未知なスペクトル共存シナリオに焦点を当てた。
論文 参考訳(メタデータ) (2022-11-16T22:55:12Z) - Autoencoder-based Communications with Reconfigurable Intelligent
Surfaces [40.65785117824341]
本稿では、再構成可能なインテリジェントサーフェス(RIS)と送受信器ペアの結合設計に関する新しいアプローチを提案する。
RISはソフトウェアで定義された単位セルの配列であり、散乱と反射プロファイルで制御でき、送信機から受信機への受信信号に焦点を合わせることができる。
送信機-受信機ペアの動作は、受信機におけるエンドツーエンド通信性能を最適化するために、ディープニューラルネットワーク(DNN)のセットとして一緒に訓練される。
論文 参考訳(メタデータ) (2021-12-08T18:02:35Z) - Distributional Reinforcement Learning for mmWave Communications with
Intelligent Reflectors on a UAV [119.97450366894718]
無人航空機(UAV)搭載のインテリジェントリフレクタ(IR)を用いた新しい通信フレームワークを提案する。
ダウンリンク和率を最大化するために、最適プリコーディング行列(基地局)と反射係数(IR)を共同で導出する。
論文 参考訳(メタデータ) (2020-11-03T16:50:37Z) - Deep Learning Optimized Sparse Antenna Activation for Reconfigurable
Intelligent Surface Assisted Communication [54.72880662623178]
再構成可能なインテリジェントサーフェス(RIS)は通常、パッシブモードで動作する。
カスケードチャネル構造と信号処理能力の欠如により、RISが個々のチャネル状態情報を取得することは困難である。
本稿では、RISのアンテナの一部に信号処理ユニットを追加し、チャネルを部分的に取得する。
論文 参考訳(メタデータ) (2020-09-03T12:27:22Z) - How to Make 5G Communications "Invisible": Adversarial Machine Learning
for Wireless Privacy [43.156901821548935]
盗聴器から無線通信を隠蔽する問題について検討する。
盗聴器の存在下で受信機に送信する送信機は1つある。
協調ジャムマー(CJ)は、盗聴器を騙して受信した信号の重畳をノイズとして分類するために、慎重に製造された対向的摂動を空気中に送信する。
論文 参考訳(メタデータ) (2020-05-15T17:45:11Z)
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。