論文の概要: Decentralized Covert Routing in Heterogeneous Networks Using Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2402.10087v1
• Date: Wed, 31 Jan 2024 23:51:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-18 12:38:43.426877
• Title: Decentralized Covert Routing in Heterogeneous Networks Using Reinforcement Learning
• Title（参考訳）: 強化学習を用いたヘテロジニアスネットワークにおける分散カラットルーティング
• Authors: Justin Kong, Terrence J. Moore, and Fikadu T. Dagefu
• Abstract要約: 我々は,ソースから目的地への経路を探索する,強化学習に基づく隠蔽ルーティングアルゴリズムを開発した。 本研究は,提案手法が性能損失を無視できるだけであることを示す数値シミュレーションに基づく。
• 参考スコア（独自算出の注目度）: 3.7186047974927257
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This letter investigates covert routing communications in a heterogeneous network where a source transmits confidential data to a destination with the aid of relaying nodes where each transmitter judiciously chooses one modality among multiple communication modalities. We develop a novel reinforcement learning-based covert routing algorithm that finds a route from the source to the destination where each node identifies its next hop and modality only based on the local feedback information received from its neighboring nodes. We show based on numerical simulations that the proposed covert routing strategy has only negligible performance loss compared to the optimal centralized routing scheme.
• Abstract（参考訳）: 本書は、送信者が複数の通信モダリティのうち1つのモダリティを任意に選択する中継ノードの助けを借りて、ソースが機密データを目的地に送信する異種ネットワークにおける秘密ルーティング通信を調査する。 本研究では,隣接ノードから受信した局所フィードバック情報のみに基づいて,各ノードが次のホップとモダリティを識別するソースから目的地への経路を探索する,新しい強化学習に基づく隠れ経路アルゴリズムを開発した。 本研究では,提案手法が最適集中型ルーティング方式に比べて性能損失が無視できることを示す数値シミュレーションを行った。

関連論文リスト

• Learning State-Augmented Policies for Information Routing in Communication Networks [92.59624401684083]
  我々は,グラフニューラルネットワーク(GNN)アーキテクチャを用いて,ソースノードの集約情報を最大化する,新たなステート拡張(SA)戦略を開発した。 教師なし学習手法を利用して、GNNアーキテクチャの出力を最適情報ルーティング戦略に変換する。 実験では,実時間ネットワークトポロジの評価を行い,アルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2023-09-30T04:34:25Z)
• Decentralized Channel Management in WLANs with Graph Neural Networks [17.464353263281907]
  無線ローカルエリアネットワーク(WLAN)は、複数のアクセスポイント(AP)を管理し、トラフィック要求を満たすためにAPに無線周波数を割り当てる。 本稿では,分散的に実装可能な学習型ソリューションを提案する。
  論文  参考訳（メタデータ） (2022-10-30T21:14:45Z)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• Two-Bit Aggregation for Communication Efficient and Differentially Private Federated Learning [79.66767935077925]
  フェデレートラーニング(FL)では、機械学習モデルは、データをローカルに保ち、他のノードと共有しない状態で、複数のノードで分散的にトレーニングされる。 ノードからサーバに送信された情報は、各ノードのローカルデータの詳細を明らかにする可能性があるため、プライバシー上の懸念が生じる。 差分プライバシーを保証し、アップリンク通信オーバーヘッドを低減した2ビットアグリゲーションアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-06T19:03:58Z)
• Learning Autonomy in Management of Wireless Random Networks [102.02142856863563]
  本稿では,任意の数のランダム接続ノードを持つ無線ネットワークにおいて,分散最適化タスクに取り組む機械学習戦略を提案する。 我々は,ネットワークトポロジとは無関係に,前方および後方に計算を行う分散メッセージパスニューラルネットワーク(DMPNN)と呼ばれる,柔軟な深層ニューラルネットワーク形式を開発した。
  論文  参考訳（メタデータ） (2021-06-15T09:03:28Z)
• CARL-DTN: Context Adaptive Reinforcement Learning based Routing Algorithm in Delay Tolerant Network [0.0]
  delay/disruption- tolerance networks (dtn) は、全てのタイプの長距離遅延、断続的、断続的接続ネットワークを記述およびカバーするために発明された。 本研究では,リアルタイム密度に基づくメッセージの最適なレプリカを決定するために,コンテキスト適応型強化学習に基づくルーティングプロトコルを提案する。
  論文  参考訳（メタデータ） (2021-05-02T20:08:17Z)
• Scalable Deep Reinforcement Learning for Routing and Spectrum Access in Physical Layer [12.018165291620164]
  無線アドホックネットワークにおける同時ルーティングとスペクトルアクセスのための新しい強化学習手法を提案する。 単一のエージェントは、各フローのフロンティアノードに沿って移動すると、すべてのルーティングとスペクトラムアクセスの決定を行います。 提案した深層強化学習戦略は,リンク間の相互干渉を考慮できる。
  論文  参考訳（メタデータ） (2020-12-22T01:47:20Z)
• Purification and Entanglement Routing on Quantum Networks [55.41644538483948]
  不完全なチャネルフィリティと限られたメモリ記憶時間を備えた量子ネットワークは、ユーザ間の絡み合いを分散することができる。 本稿では,量子ネットワーク上の2ノード間で共有される絡み合いを最大化するための高速パスフィニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T19:00:01Z)
• Unsupervised Learning for Asynchronous Resource Allocation in Ad-hoc Wireless Networks [122.42812336946756]
  集約グラフニューラルネットワーク(Agg-GNN)に基づく教師なし学習手法を設計する。 アクティベーションパターンを各ノードの特徴としてモデル化し,ポリシーに基づくリソース割り当て手法を訓練することにより,非同期性を捉える。
  論文  参考訳（メタデータ） (2020-11-05T03:38:36Z)

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。