論文の概要: Securing IoT Communication using Physical Sensor Data -- Graph Layer Security with Federated Multi-Agent Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2302.12592v1
• Date: Fri, 24 Feb 2023 12:10:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-27 13:47:14.787166
• Title: Securing IoT Communication using Physical Sensor Data -- Graph Layer Security with Federated Multi-Agent Deep Reinforcement Learning
• Title（参考訳）: 物理センサデータを用いたiot通信のセキュア化 -- フェデレーションマルチエージェント深層強化学習によるグラフ層セキュリティ
• Authors: Liang Wang and Zhuangkun Wei and Weisi Guo
• Abstract要約: Internet-of-Things(IoT)デバイスは、デジタル無線チャネルを介して物理的センサーデータを送信するためにしばしば使用される。 従来の物理層セキュリティ(PLS)ベースの暗号手法は、正確なチャネル推定と鍵生成のための情報交換に依存している。 本稿では,物理センサの読み取りからデジタルキーを抽出する,Graph Layer Security(GLS)という新しい概念を提案する。
• 参考スコア（独自算出の注目度）: 12.941755390387295
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Internet-of-Things (IoT) devices are often used to transmit physical sensor data over digital wireless channels. Traditional Physical Layer Security (PLS)-based cryptography approaches rely on accurate channel estimation and information exchange for key generation, which irrevocably ties key quality with digital channel estimation quality. Recently, we proposed a new concept called Graph Layer Security (GLS), where digital keys are derived from physical sensor readings. The sensor readings between legitimate users are correlated through a common background infrastructure environment (e.g., a common water distribution network or electric grid). The challenge for GLS has been how to achieve distributed key generation. This paper presents a Federated multi-agent Deep reinforcement learning-assisted Distributed Key generation scheme (FD2K), which fully exploits the common features of physical dynamics to establish secret key between legitimate users. We present for the first time initial experimental results of GLS with federated learning, achieving considerable security performance in terms of key agreement rate (KAR), and key randomness.
• Abstract（参考訳）: Internet-of-Things(IoT)デバイスは、デジタル無線チャネルを介して物理的センサーデータを送信するためにしばしば使用される。 従来の物理層セキュリティ(PLS)ベースの暗号手法は、キー生成のための正確なチャネル推定と情報交換に依存している。 近年,デジタルキーを物理センサの読み取りから導出するグラフ層セキュリティ(gls)という新しい概念が提案されている。 正当なユーザ間のセンサ読み取りは、共通のバックグラウンドインフラストラクチャ環境(例えば、共通の水流ネットワークまたは電気グリッド)を介して関連付けられる。 GLSの課題は、分散キー生成を実現する方法にある。 本稿では,物理力学の共通的な特徴を十分に活用し,正規ユーザ間の秘密鍵を確立するために,fd2k(federated multi-agent deep reinforcement learning-assisted distributed key generation scheme)を提案する。 本稿では,連合学習を伴うglsの最初の実験結果を示し,鍵合意率(kar)と鍵ランダム性の観点から,相当なセキュリティ性能を達成した。

関連論文リスト

• Securing Hybrid Wireless Body Area Networks (HyWBAN): Advancements in Semantic Communications and Jamming Techniques [2.1676500745770544]
  本稿では,Hybrid Wireless Body Area Networks(HyWBANs)のセキュリティを強化するための新しい戦略について検討する。 高度なサイバー攻撃に対するHyWBANの脆弱性を認識し,セマンティックコミュニケーションとジャミングレシーバーの革新的な組み合わせを提案する。 われわれのアプローチは, 主要なセキュリティ問題に対処し, 将来安全なバイオメディカル通信システムの基盤となるものとなる。
  論文  参考訳（メタデータ） (2024-04-24T18:21:08Z)
• DT-DDNN: A Physical Layer Security Attack Detector in 5G RF Domain for CAVs [11.15939066175832]
  妨害攻撃は5Gネットワークに重大なリスクをもたらす。 本研究は, CAVネットワークにおけるジャマー検出のための, 深層学習に基づく新しい手法を提案する。 提案手法は, 余剰低妨害電力の96.4%検出率を実現する。
  論文  参考訳（メタデータ） (2024-03-05T04:29:31Z)
• Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
  我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。 FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。 実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
  論文  参考訳（メタデータ） (2024-01-22T14:16:37Z)
• Generative AI for Physical Layer Communications: A Survey [76.61956357178295]
  生成人工知能(GAI)は、デジタルコンテンツ生産の効率を高める可能性がある。 複雑なデータ分散を分析するGAIの能力は、無線通信にとって大きな可能性を秘めている。 本稿では、信号分類、チャネル推定、等化といった従来の問題から、インテリジェントな反射面やジョイントソースチャネル符号化といった新たなトピックまで、GAIの物理層での通信への応用に関する包括的な調査を行う。
  論文  参考訳（メタデータ） (2023-12-09T15:20:56Z)
• Hierarchical certification of nonclassical network correlations [50.32788626697182]
  ネットワークに対して線形および非線形ベル様の不等式を導出する。 我々はこの仮定を挿入し、その結果が実験で証明できる結果に繋がる。
  論文  参考訳（メタデータ） (2023-06-27T18:00:01Z)
• Eavesdropper localization for quantum and classical channels via nonlinear scattering [58.720142291102135]
  量子鍵分布(QKD)は物理学の法則に基づく理論的セキュリティを提供する。 本稿では,古典的チャネルだけでなく,量子的チャネルにも応用可能なeavesdropper位置に関する新しいアプローチを提案する。 提案手法は, 標準光ファイバ内部のcm精度で1%のエバネッセントアウトカップリングを局在させる作業において, 従来のOTDRよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-25T21:06:27Z)
• 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)
• Quantum Encryption in Phase Space for Coherent Optical Communications [0.0]
  位相空間における量子暗号化(Quantum Encryption in Phase Space, QEPS)は、光ファイバー上のデータをセキュアにするための物理層暗号化法である。 本研究では,盗聴者によるデータ取得を防止するため,異なる変調形式に対する2つの予防策について検討する。
  論文  参考訳（メタデータ） (2023-01-15T15:08:53Z)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• Experimental Demonstration of Discrete Modulation Formats for Continuous Variable Quantum Key Distribution [0.23090185577016442]
  量子鍵分布(QKD)は、盗聴に弱いチャネルを介して接続されたユーザ間で秘密鍵の確立を可能にする。 我々は,任意のガウス的な離散変調を可能にするプロトコルを実験的に実装し,そのセキュリティは理論的な証明に基づいている。 これらの変調方式は、コヒーレントな光通信の強力なツールと互換性があり、25km以上の秘密鍵レートで10メガビット/秒の性能を達成できる。
  論文  参考訳（メタデータ） (2022-07-24T09:45:07Z)
• T-WaveNet: Tree-Structured Wavelet Neural Network for Sensor-Based Time Series Analysis [9.449017120452675]
  センサデータ解析のための新しい木構造ウェーブレットニューラルネットワークである emphT-WaveNet を提案する。 T-WaveNetは、センサ情報を既存の技術よりも効果的に表現し、様々なセンサデータセット上で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-12-10T05:07:28Z)

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。