論文の概要: Explainable Adversarial Learning Framework on Physical Layer Secret Keys
Combating Malicious Reconfigurable Intelligent Surface
- arxiv url: http://arxiv.org/abs/2402.06663v1
- Date: Tue, 6 Feb 2024 11:19:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 13:56:38.103336
- Title: Explainable Adversarial Learning Framework on Physical Layer Secret Keys
Combating Malicious Reconfigurable Intelligent Surface
- Title（参考訳）: 悪質な再構成可能な知的表面を含む物理層秘密鍵を用いた説明可能な逆学習フレームワーク
- Authors: Zhuangkun Wei, Wenxiu Hu, Weisi Guo
- Abstract要約: 悪意のあるRISは、正当なチャネルを毒し、既存のPL-SKGの大半をクラックする。
本研究では,この中途半端な悪意のあるRISに対処する逆学習フレームワークを提案する。
この研究は、将来の6Gで信頼できない反射デバイスと無線通信をセキュアにする方法を開拓する。
- 参考スコア（独自算出の注目度）: 10.18953705497811
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The development of reconfigurable intelligent surfaces (RIS) is a
double-edged sword to physical layer security (PLS). Whilst a legitimate RIS
can yield beneficial impacts including increased channel randomness to enhance
physical layer secret key generation (PL-SKG), malicious RIS can poison
legitimate channels and crack most of existing PL-SKGs. In this work, we
propose an adversarial learning framework between legitimate parties (namely
Alice and Bob) to address this Man-in-the-middle malicious RIS (MITM-RIS)
eavesdropping. First, the theoretical mutual information gap between legitimate
pairs and MITM-RIS is deduced. Then, Alice and Bob leverage generative
adversarial networks (GANs) to learn to achieve a common feature surface that
does not have mutual information overlap with MITM-RIS. Next, we aid signal
processing interpretation of black-box neural networks by using a symbolic
explainable AI (xAI) representation. These symbolic terms of dominant neurons
aid feature engineering-based validation and future design of PLS common
feature space. Simulation results show that our proposed GAN-based and
symbolic-based PL-SKGs can achieve high key agreement rates between legitimate
users, and is even resistant to MITM-RIS Eve with the knowledge of legitimate
feature generation (NNs or formulas). This therefore paves the way to secure
wireless communications with untrusted reflective devices in future 6G.
- Abstract（参考訳）: 再構成可能なインテリジェントサーフェス(ris)の開発は、物理層セキュリティ(pls)のための二重刃の剣である。
適切なRISは、物理層シークレットキー生成(PL-SKG)を高めるためにチャネルランダム性の増加を含む有益な影響をもたらすが、悪意のあるRISは正当なチャネルを毒化し、既存のPL-SKGの大半を分解する。
本研究では,この中途半端な悪意あるRIS(MITM-RIS)盗聴に対処するため,Alice と Bob の対立学習フレームワークを提案する。
まず、正当なペアとMITM-RISの理論的相互情報ギャップを推定する。
そこでAliceとBobはGAN(Generative Adversarial Network)を利用して、MITM-RISと重なり合う情報を持たない共通の特徴曲面を実現する。
次に,シンボリック説明可能ai(xai)表現を用いて,ブラックボックスニューラルネットワークの信号処理解釈を支援する。
これらの支配的なニューロンの象徴的な用語は、工学に基づく検証とPLS共通特徴空間の将来の設計に役立つ。
シミュレーションの結果,提案したGANベースおよびシンボリックベースPL-SKGは,正規ユーザ間での高いキーコンセンサスを達成でき,また,正規機能生成(NNや公式)の知識を持つMITM-RIS Eveにも耐性があることがわかった。
これにより、将来の6gで信頼できない反射型デバイスでワイヤレス通信を確保する方法が整う。
関連論文リスト
- Integrated Communications and Security: RIS-Assisted Simultaneous Transmission and Generation of Secret Keys [34.843877215509316]
我々は、再構成可能なインテリジェントサーフェス(RIS)の概念を活用することにより、ICAS(Integrated Communication and Security)設計パラダイムを新たに開発する。
これら2つのタスクに対してRISを共有することで、RIS支援同時送信と秘密鍵生成を提案する。
具体的には、正統なトランシーバは、スマートアタッカーの存在下でRISの位相シフトを設定することにより、データ送信率とキー生成率を共同で最適化する。
論文 参考訳（メタデータ） (2024-07-29T12:51:26Z) - On the Potential of Re-configurable Intelligent Surface (RIS)-assisted Physical Layer Authentication (PLA) [0.0]
再構成可能なインテリジェントサーフェス(RIS)技術は、次世代無線ネットワークの潜在的なコンポーネントになりつつある。
しかし、RIS支援無線通信のブロードキャスト特性は、物理的層における悪意のある攻撃に対して脆弱である。
本稿では、RISを利用した物理層認証(PLA)の可能性を確保するためのRIS支援無線通信システムについて検討する。
論文 参考訳（メタデータ） (2024-05-01T10:17:24Z) - Joint Sensing, Communication, and AI: A Trifecta for Resilient THz User
Experiences [118.91584633024907]
テラヘルツ(THz)無線システムに対する拡張現実(XR)体験を最適化するために、新しい共同センシング、通信、人工知能(AI)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-04-29T00:39:50Z) - Performance Limits of a Deep Learning-Enabled Text Semantic
Communication under Interference [89.91583691993071]
本稿では,(マルチインターフェラー)RFIの存在下でのDeepSCという人気テキストSemComシステムの性能限界について検討する。
本稿では,DeepSCが意味的に無関係な文を生成することを示す。
また,マルチインターフェラーRFIにおいて,DeepSCの実用限界と停止確率の低い値も導出する。
論文 参考訳（メタデータ） (2023-02-15T05:43:08Z) - Machine Learning for Metasurfaces Design and Their Applications [20.350142630673197]
マシン/ディープラーニング(ML/DL)技術は、RIS逆設計の計算コストと時間を削減する上で重要である。
本章は、逆RIS設計とRISアシスト無線システムの両方のためのDL技術のシナプスを提供する。
論文 参考訳（メタデータ） (2022-11-02T17:19:37Z) - The Feasibility and Inevitability of Stealth Attacks [63.14766152741211]
我々は、攻撃者が汎用人工知能システムにおける決定を制御できる新しい敵の摂動について研究する。
敵対的なデータ修正とは対照的に、ここで考慮する攻撃メカニズムには、AIシステム自体の変更が含まれる。
論文 参考訳（メタデータ） (2021-06-26T10:50:07Z) - Ultra-Reliable Indoor Millimeter Wave Communications using Multiple
Artificial Intelligence-Powered Intelligent Surfaces [115.85072043481414]
複数人工知能(AI)対応再構成可能なインテリジェントサーフェス(RIS)を用いた超信頼性ミリ波(mmW)通信を保証する新しいフレームワークを提案する。
複数のAI駆動RISを使用することで、mmWアクセスポイント(AP)から送信される信号の伝搬方向を変更できます。
mmW APとRISのポリシーを制御するために、2つの集中型および分散コントローラが提案されている。
論文 参考訳（メタデータ） (2021-03-31T19:15:49Z) - Phase Configuration Learning in Wireless Networks with Multiple
Reconfigurable Intelligent Surfaces [50.622375361505824]
RIS(Reconfigurable Intelligent Surfaces)は、電磁波伝搬の動的制御を提供する、高度にスケーラブルな技術である。
RISを内蔵した無線通信における大きな課題の1つは、複数のRISの低オーバーヘッドダイナミックな構成である。
RISの位相構成に対する低複雑さ教師あり学習手法を考案する。
論文 参考訳（メタデータ） (2020-10-09T05:35:27Z) - Truly Intelligent Reflecting Surface-Aided Secure Communication Using
Deep Learning [32.34501171201543]
本稿では,無線環境における通信のための物理層セキュリティ設計のための機械学習について考察する。
リアルタイムにIRS要素の反射を調整するための深層学習(DL)技術が開発されている。
論文 参考訳（メタデータ） (2020-04-07T00:48:58Z) - RIS Enhanced Massive Non-orthogonal Multiple Access Networks: Deployment
and Passive Beamforming Design [116.88396201197533]
再構成可能なインテリジェントサーフェス(RIS)の配置と受動ビームフォーミング設計のための新しいフレームワークを提案する。
エネルギー効率を最大化するために、共同配置、位相シフト設計、および電力配分の問題を定式化する。
リアルタイムデータセットを活用することで,ユーザの遠隔交通需要を予測するために,LSTM(Long Short-term memory)ベースのエコー状態ネットワーク(ESN)アルゴリズムを提案する。
RISの展開と設計の連立問題を解くために,D3QNに基づく位置取得と位相制御アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-28T14:37:38Z)
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。