論文の概要: Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts

• arxiv url: http://arxiv.org/abs/2309.02616v1
• Date: Tue, 5 Sep 2023 23:24:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 17:16:48.161592
• Title: Generative AI-aided Joint Training-free Secure Semantic Communications via Multi-modal Prompts
• Title（参考訳）: マルチモーダルプロンプトによる生成型ai支援共同学習フリーセキュアセマンティクスコミュニケーション
• Authors: Hongyang Du, Guangyuan Liu, Dusit Niyato, Jiayi Zhang, Jiawen Kang, Zehui Xiong, Bo Ai, and Dong In Kim
• Abstract要約: 本稿では,多モデルプロンプトを用いたGAI支援型SemComシステムを提案する。 セキュリティ上の懸念に応えて、フレンドリーなジャマーによって支援される隠蔽通信の応用を紹介する。
• 参考スコア（独自算出の注目度）: 89.04751776308656
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic communication (SemCom) holds promise for reducing network resource consumption while achieving the communications goal. However, the computational overheads in jointly training semantic encoders and decoders-and the subsequent deployment in network devices-are overlooked. Recent advances in Generative artificial intelligence (GAI) offer a potential solution. The robust learning abilities of GAI models indicate that semantic decoders can reconstruct source messages using a limited amount of semantic information, e.g., prompts, without joint training with the semantic encoder. A notable challenge, however, is the instability introduced by GAI's diverse generation ability. This instability, evident in outputs like text-generated images, limits the direct application of GAI in scenarios demanding accurate message recovery, such as face image transmission. To solve the above problems, this paper proposes a GAI-aided SemCom system with multi-model prompts for accurate content decoding. Moreover, in response to security concerns, we introduce the application of covert communications aided by a friendly jammer. The system jointly optimizes the diffusion step, jamming, and transmitting power with the aid of the generative diffusion models, enabling successful and secure transmission of the source messages.
• Abstract（参考訳）: セマンティック通信(SemCom)は、通信目標を達成すると同時に、ネットワークリソース消費を減らすことを約束している。 しかし、セマンティックエンコーダとデコーダの合同トレーニングにおける計算オーバーヘッドと、その後のネットワークデバイスへの展開は見過ごされています。 生成人工知能(GAI)の最近の進歩は潜在的な解決策を提供する。 GAIモデルの堅牢な学習能力は、セマンティックデコーダが、セマンティックエンコーダと共同でトレーニングすることなく、プロンプトなどの限られた量のセマンティック情報を使って、ソースメッセージを再構築できることを示している。 しかし、注目すべき課題は、GAIの多様な世代能力によって導入された不安定性である。 この不安定性は、テキスト生成画像のような出力で明らかであり、顔画像送信のような正確なメッセージ復元を必要とするシナリオにおけるgaiの直接適用を制限する。 上記の問題を解決するために,マルチモデルプロンプトを用いたGAI支援型SemComシステムを提案する。 さらに,セキュリティ上の懸念に応えて,フレンドリーなジャマーによって支援される隠蔽通信の適用を導入する。 このシステムは、生成拡散モデルの助けを借りて拡散ステップ、ジャミング、送信電力を共同で最適化し、ソースメッセージの正常かつ安全な送信を可能にする。

関連論文リスト

• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• Generative AI Meets Semantic Communication: Evolution and Revolution of Communication Tasks [41.64537121421164]
  セマンティックコミュニケーションにおける深層生成モデルの統一的な視点を示す。 我々は、将来のコミュニケーションフレームワークにおける彼らの革命的な役割を明らかにし、新しいアプリケーションやタスクを可能にします。
  論文  参考訳（メタデータ） (2024-01-10T09:56:36Z)
• Will 6G be Semantic Communications? Opportunities and Challenges from Task Oriented and Secure Communications to Integrated Sensing [49.83882366499547]
  本稿では,マルチタスク学習を統合した次世代(NextG)ネットワークにおけるタスク指向およびセマンティックコミュニケーションの機会と課題について検討する。 我々は、送信側の専用エンコーダと受信側の複数のタスク固有のデコーダを表すディープニューラルネットワークを用いる。 トレーニングとテストの段階において、敵対的攻撃に起因する潜在的な脆弱性を精査する。
  論文  参考訳（メタデータ） (2024-01-03T04:01:20Z)
• A Wireless AI-Generated Content (AIGC) Provisioning Framework Empowered by Semantic Communication [53.78269720999609]
  生成AIアプリケーションは、多彩で高品質なAI生成コンテンツ(AIGC)を作成することで、最近、膨大なユーザーベースに対応している。 無線ネットワークにおいて、不安定なチャネル、限られた帯域幅リソース、不均一に分散された計算リソースを備えた適切なAIGCサービスを提供するのは難しい。 本稿では,セマンティック通信(SemCom)を利用したAIGC(SemAIGC)の生成と伝送フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-26T18:05:22Z)
• Reasoning over the Air: A Reasoning-based Implicit Semantic-Aware Communication Framework [124.6509194665514]
  ソースユーザと宛先ユーザの間で暗黙的な意味を表現し,伝達し,解釈するために,新しい暗黙的意味コミュニケーション(iSAC)アーキテクチャを提案する。 プロジェクションベースセマンティックエンコーダは, 明示的セマンティックスの高次元グラフィカル表現を低次元セマンティックコンステレーション空間に変換し, 効率的な物理チャネル伝送を実現する。 ソースユーザの暗黙的意味推論過程を学習し、模倣できるようにするため、G-RMLと呼ばれる生成逆模倣学習ベースのソリューションが提案されている。
  論文  参考訳（メタデータ） (2023-06-20T01:32:27Z)
• Generative Semantic Communication: Diffusion Models Beyond Bit Recovery [19.088596386865106]
  セマンティックコミュニケーションのための新しい生成拡散誘導フレームワークを提案する。 我々は,高度に圧縮された意味情報のみを送信することで帯域幅を削減した。 以上の結果から,非常にノイズの多い条件下でも,物体,位置,深さが認識可能であることが明らかとなった。
  論文  参考訳（メタデータ） (2023-06-07T10:36:36Z)
• 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)

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。