論文の概要: UAV Trajectory and Multi-User Beamforming Optimization for Clustered
Users Against Passive Eavesdropping Attacks With Unknown CSI
- arxiv url: http://arxiv.org/abs/2306.06686v1
- Date: Sun, 11 Jun 2023 14:01:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 17:15:55.182891
- Title: UAV Trajectory and Multi-User Beamforming Optimization for Clustered
Users Against Passive Eavesdropping Attacks With Unknown CSI
- Title（参考訳）: 未知のCSIを用いたパッシブ盗聴攻撃に対するUAV軌道とマルチユーザビームフォーミング最適化
- Authors: Aly Sabri Abdalla, Ali Behfarnia, and Vuk Marojevic
- Abstract要約: 本稿では,攻撃者の位置情報とチャネル状態情報(CSI)が不明な現代無線通信における基本的な盗聴問題に取り組む。
地上基地局(GBS)が脆弱な利用者のサブセットを支援するために,移動式航空中継機(AR)として機能する無人航空機(UAV)の配備を提案する。
- 参考スコア（独自算出の注目度）: 3.326320568999945
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper tackles the fundamental passive eavesdropping problem in modern
wireless communications in which the location and the channel state information
(CSI) of the attackers are unknown. In this regard, we propose deploying an
unmanned aerial vehicle (UAV) that serves as a mobile aerial relay (AR) to help
ground base station (GBS) support a subset of vulnerable users. More precisely,
our solution (1) clusters the single-antenna users in two groups to be either
served by the GBS directly or via the AR, (2) employs optimal multi-user
beamforming to the directly served users, and (3) optimizes the AR's 3D
position, its multi-user beamforming matrix and transmit powers by combining
closed-form solutions with machine learning techniques. Specifically, we design
a plain beamforming and power optimization combined with a deep reinforcement
learning (DRL) algorithm for an AR to optimize its trajectory for the security
maximization of the served users. Numerical results show that the multi-user
multiple input, single output (MU-MISO) system split between a GBS and an AR
with optimized transmission parameters without knowledge of the eavesdropping
channels achieves high secrecy capacities that scale well with increasing the
number of users.
- Abstract（参考訳）: 本稿では,攻撃者の位置情報とチャネル状態情報(CSI)が不明な現代無線通信における基本的な盗聴問題に取り組む。
本研究では,地上基地局(GBS)が脆弱な利用者のサブセットを支援するために,移動式航空中継機(AR)として機能する無人航空機(UAV)の配備を提案する。
より正確には,1) 単一アンテナ利用者を2つのグループにクラスタ化してGBSを直接あるいはAR経由で提供し,(2) 直接提供されたユーザに対して最適なマルチユーザビームフォーミングを採用し,(3) ARの3D位置,そのマルチユーザビームフォーミングマトリックスを最適化し,クローズドフォームソリューションと機械学習技術を組み合わせることでパワーを伝達する。
具体的には,基本ビームフォーミングと電力最適化をARの深部強化学習(DRL)アルゴリズムと組み合わせて設計し,その軌道を利用者のセキュリティ最大化のために最適化する。
その結果,複数ユーザによるマルチ入力方式であるmu-miso(single output)システムは,盗聴チャネルを知らずに送信パラメータを最適化したgbsとarに分割することにより,ユーザ数の増加とともに高い機密性を実現していることがわかった。
関連論文リスト
- Multi-UAV Multi-RIS QoS-Aware Aerial Communication Systems using DRL and PSO [34.951735976771765]
無人航空機(UAV)は、地上の利用者に無線サービスを提供する学術・産業の研究者の注目を集めている。
UAVの限られたリソースは、そのようなアプリケーションにUAVを採用する上での課題を引き起こす可能性がある。
システムモデルでは,地域をナビゲートするUAVスワムを考慮し,RISをサポートした地上ユーザへの無線通信により,UAVのカバレッジを向上させる。
論文 参考訳（メタデータ） (2024-06-16T17:53:56Z) - UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - Tiny Multi-Agent DRL for Twins Migration in UAV Metaverses: A Multi-Leader Multi-Follower Stackelberg Game Approach [57.15309977293297]
無人航空機(UAV)とメタバースの相乗効果は、UAVメタバースと呼ばれる新しいパラダイムを生み出している。
本稿では,UAVメタバースにおける効率的なUTマイグレーションのためのプルーニング技術に基づく,機械学習に基づく小さなゲームフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-18T02:14:13Z) - Joint User Association, Interference Cancellation and Power Control for
Multi-IRS Assisted UAV Communications [80.35959154762381]
インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。
既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。
我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
論文 参考訳（メタデータ） (2023-12-08T01:57:10Z) - Fairness-Driven Optimization of RIS-Augmented 5G Networks for Seamless
3D UAV Connectivity Using DRL Algorithms [8.296140341710462]
我々は、再構成可能なインテリジェントサーフェス(RIS)を用いた大規模マルチインプットマルチアウトプットシステムにおけるジョイントアクティブビームフォーミングとパッシブビームフォーミングの問題点について検討する。
この問題に対処する2つの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-14T06:43:36Z) - UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper [115.56455278813756]
航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。
本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
論文 参考訳（メタデータ） (2023-10-03T11:47:01Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Deep Reinforcement Learning for Combined Coverage and Resource
Allocation in UAV-aided RAN-slicing [1.7214664783818676]
この研究は、UAV-BS(UAV-BS)がネットワークスライシング機能を備えたUAV支援5Gネットワークを提示する。
ネットワークスライシング環境におけるUAV-BSに対するマルチエージェントおよびマルチエージェント深部強化学習の第一応用について紹介する。
提示された戦略のパフォーマンスはテストされ、ベンチマークと比較され、さまざまなシナリオにおいて満足度の高いユーザの割合(少なくとも27%以上)が強調されている。
論文 参考訳（メタデータ） (2022-11-15T06:50:00Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳（メタデータ） (2021-12-20T15:45:28Z) - Codebook-Based Beam Tracking for Conformal ArrayEnabled UAV MmWave Networks [33.52271582081627]
ミリ波(mmWave)通信は無人航空機(UAV)ネットワークの高データレート要件を満たす可能性がある。
mmWave通信の前提条件として,UAVの3次元移動と姿勢変化のため,狭方向ビーム追跡は非常に困難である。
本研究では,UAVの両面にコンフォメーションアレイを組み込むことにより,高ダイナミックUAVmmWaveネットワークにおける全空間カバレッジとアジャイルビームトラッキングを実現することを提案する。
論文 参考訳（メタデータ） (2020-05-28T14:57:23Z)
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。