Fugu-MT 論文翻訳(概要): Asymmetric Diffusion Based Channel-Adaptive Secure Wireless Semantic Communications

論文の概要: Asymmetric Diffusion Based Channel-Adaptive Secure Wireless Semantic Communications

arxiv url: http://arxiv.org/abs/2310.19439v1
Date: Mon, 30 Oct 2023 11:00:47 GMT
ステータス: 処理完了
システム内更新日: 2023-11-01 20:30:46.109684
Title: Asymmetric Diffusion Based Channel-Adaptive Secure Wireless Semantic Communications
Title（参考訳）: 非対称拡散型チャネル適応型セキュア無線セマンティクス通信
Authors: Xintian Ren, Jun Wu, Hansong Xu, Qianqian Pan
Abstract要約: 拡散モデルと深部強化学習(DRL)を利用したセキュアな意味コミュニケーションシステムDiffuSeCを提案する。送信側端の拡散モジュールと受信側端の非対称なdenoisingモジュールにより、DiffuSeCはセマンティックアタックによって追加された摂動を緩和する。セマンティックアタックによる不安定なチャネル条件下でのロバスト性をさらに向上するため,DRLに基づくチャネル適応拡散ステップ選択方式を開発した。
参考スコア（独自算出の注目度）: 5.539381022630274
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Semantic communication has emerged as a new deep learning-based communication paradigm that drives the research of end-to-end data transmission in tasks like image classification, and image reconstruction. However, the security problem caused by semantic attacks has not been well explored, resulting in vulnerabilities within semantic communication systems exposed to potential semantic perturbations. In this paper, we propose a secure semantic communication system, DiffuSeC, which leverages the diffusion model and deep reinforcement learning (DRL) to address this issue. With the diffusing module in the sender end and the asymmetric denoising module in the receiver end, the DiffuSeC mitigates the perturbations added by semantic attacks, including data source attacks and channel attacks. To further improve the robustness under unstable channel conditions caused by semantic attacks, we developed a DRL-based channel-adaptive diffusion step selection scheme to achieve stable performance under fluctuating environments. A timestep synchronization scheme is designed for diffusion timestep coordination between the two ends. Simulation results demonstrate that the proposed DiffuSeC shows higher robust accuracy than previous works under a wide range of channel conditions, and can quickly adjust the model state according to signal-to-noise ratios (SNRs) in unstable environments.
Abstract（参考訳）: セマンティックコミュニケーションは、画像分類や画像再構成といったタスクにおけるエンドツーエンドデータ送信の研究を推進する、新しいディープラーニングベースのコミュニケーションパラダイムとして登場した。しかし、セマンティックアタックによるセキュリティ問題は十分に解明されておらず、セマンティック通信システム内の脆弱性が潜在的セマンティックな摂動にさらされている。本稿では,この問題を解決するために,拡散モデルと深層強化学習(drl)を利用したセキュアな意味コミュニケーションシステムであるdrawcを提案する。送信側端の拡散モジュールと受信側端の非対称なdenoisingモジュールにより、DiffuSeCはデータソース攻撃やチャネルアタックを含むセマンティックアタックによって追加された摂動を緩和する。セマンティックアタックによる不安定なチャネル条件下でのロバスト性をさらに向上するため,DRLに基づくチャネル適応拡散ステップ選択方式を開発し,変動環境下での安定した性能を実現する。両端間の拡散時間ステップ調整のための時間ステップ同期スキームを設計する。シミュレーションの結果, 提案したDiffuSeCは, より広いチャネル条件下での従来の作業よりも頑健な精度を示し, 不安定環境下での信号-雑音比(SNR)に応じて, モデル状態を迅速に調整できることがわかった。

関連論文リスト

Building the Self-Improvement Loop: Error Detection and Correction in Goal-Oriented Semantic Communications [2.677520298504178]
意味コミュニケーション(SemCom)はシンボルよりも意味の伝達に重点を置いており、コミュニケーション効率が大幅に向上している。これらの利点にもかかわらず、送信された意味と受信された意味の相違から生じるセマンティックエラーは、システムの信頼性に対する大きな課題である。本稿では,SemComシステムにおけるセマンティックエラーの検出と修正のための包括的フレームワークを提案する。
論文参考訳（メタデータ） (2024-11-03T12:29:23Z)
Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [27.049330099874396]
本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
論文参考訳（メタデータ） (2024-07-26T02:34:25Z)
Secure Semantic Communication via Paired Adversarial Residual Networks [59.468221305630784]
本稿では,セキュリティを意識したセマンティック通信システムに対する敵攻撃の正の側面について検討する。セマンティックトランスミッターの後に、セマンティックレシーバーの前に、一対のプラグイン可能なモジュールがインストールされる。提案手法は,高品質なセマンティック通信を維持しつつ,盗聴者を騙すことができる。
論文参考訳（メタデータ） (2024-07-02T08:32:20Z)
Latent Diffusion Model-Enabled Real-Time Semantic Communication Considering Semantic Ambiguities and Channel Noises [18.539501941328393]
本稿では, 遅延拡散モデル対応SemComシステムを構築し, 既存システムと比較して3つの改良点を提案する。軽量な単層遅延空間変換アダプタは、送信機でのワンショット学習を完了させる。終端整合蒸留法を用いて, 潜時空間で訓練した拡散模型を蒸留する。
論文参考訳（メタデータ） (2024-06-09T23:39:31Z)
Semantic Entropy Can Simultaneously Benefit Transmission Efficiency and Channel Security of Wireless Semantic Communications [55.54210451136529]
本稿では,適応トランスミッションと物理層暗号化の両方のためのセマンティクスを探索するためにSemEntropyを提案する。セムエントロピーは意味論的精度を95%保ち、透過率を60%低減できることを示す。
論文参考訳（メタデータ） (2024-02-05T12:25:02Z)
Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文参考訳（メタデータ） (2023-04-25T00:15:00Z)
Non-Coherent Over-the-Air Decentralized Gradient Descent [0.0]
無線システムにおける分散グラディエントDescentの実装は、ノイズ、フェーディング、帯域幅の制限により困難である。本稿では,スケジューリング,トポロジ情報,CSIの必要性を解消するスケーラブルなDGDアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-11-19T19:15:34Z)
Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
論文参考訳（メタデータ） (2022-05-29T22:30:32Z)
Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
論文参考訳（メタデータ） (2022-05-02T12:23:55Z)
Reinforcement Learning-powered Semantic Communication via Semantic Similarity [13.569045590522316]
我々は,ビットレベルの精度を厳格に確保する代わりに,セマンティック情報を保存するための新しいセマンティックコミュニケーション機構を導入する。一般的に使用されるビットレベルのメトリクスは、重要な意味や構造を捉えるのに脆弱であることを示す。ユーザ定義のセマンティック測定を同時に最適化できる強化学習(RL)ベースのソリューションを提案しました。
論文参考訳（メタデータ） (2021-08-27T05:21:05Z)
Harnessing Wireless Channels for Scalable and Privacy-Preserving Federated Learning [56.94644428312295]
無線接続は、フェデレートラーニング(FL)の実現に有効である Channel randomnessperturbs 各ワーカはモデル更新をインバージョンし、複数のワーカはバンド幅に大きな干渉を発生させる。 A-FADMMでは、すべてのワーカーがモデル更新をアナログ送信を介して単一のチャンネルを使用してパラメータサーバにアップロードする。これは通信帯域幅を節約するだけでなく、各ワーカーの正確なモデル更新軌跡を任意の盗聴者から隠蔽する。
論文参考訳（メタデータ） (2020-07-03T16:31:15Z)

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。