論文の概要: VENENA: A Deceptive Visual Encryption Framework for Wireless Semantic Secrecy
- arxiv url: http://arxiv.org/abs/2501.10699v1
- Date: Sat, 18 Jan 2025 08:40:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:19:13.423733
- Title: VENENA: A Deceptive Visual Encryption Framework for Wireless Semantic Secrecy
- Title(参考訳): VENENA: ワイヤレスセマンティックシークレットのための認知的視覚暗号化フレームワーク
- Authors: Bin Han, Ye Yuan, Hans D. Schotten,
- Abstract要約: 盗聴は、無線通信のセキュリティとプライバシーに対する長年の脅威だった。
我々は,VENENA (Eavesdropping NegAtion) のための Visual ENcryption という新しいフレームワークを提案する。
PLD、ビジュアル暗号化、画像中毒といった技術を組み合わせて、セマンティックトランスミッションをセキュアにするための包括的なメカニズムを組み込む。
- 参考スコア(独自算出の注目度): 11.556652571936633
- License:
- Abstract: Eavesdropping has been a long-standing threat to the security and privacy of wireless communications, since it is difficult to detect and costly to prevent. As networks evolve towards Sixth Generation (6G) and semantic communication becomes increasingly central to next-generation wireless systems, securing semantic information transmission emerges as a critical challenge. While classical physical layer security (PLS) focuses on passive security, the recently proposed concept of physical layer deception (PLD) offers a semantic encryption measure to actively deceive eavesdroppers. Yet the existing studies of PLD have been dominantly information-theoretical and link-level oriented, lacking considerations of system-level design and practical implementation. In this work we propose a novel artificial intelligence (AI)-enabled framework called Visual ENcryption for Eavesdropping NegAtion (VENENA), which combines the techniques of PLD, visual encryption, and image poisoning, into a comprehensive mechanism for deceptive secure semantic transmission in future wireless networks. By leveraging advanced vision transformers and semantic codecs, VENENA demonstrates how semantic security can be enhanced through the synergy of physical layer techniques and artificial intelligence, paving the way for secure semantic communication in 6G networks.
- Abstract(参考訳): Eavesdroppingは、無線通信のセキュリティとプライバシに対する長年の脅威である。
ネットワークが第6世代(6G)へと進化し、セマンティック通信が次世代無線システムの中心となるにつれ、セマンティック情報伝達の確保が重要な課題として浮上する。
古典的な物理層セキュリティ(PLS)は受動的セキュリティに重点を置いているが、最近提案された物理層偽装(PLD)の概念は、盗聴者を積極的に欺くためのセマンティック暗号化手段を提供する。
しかし、既存のPLDの研究は情報理論とリンクレベル指向に支配的であり、システムレベルの設計と実践的実装の考慮が欠如している。
本研究では, PLD, 視覚暗号化, 画像中毒といった技術を組み合わせて, 将来の無線ネットワークにおける視覚的セマンティックトランスミッションの包括的メカニズムを構築する, VENENA (Visual ENcryption for Eavesdropping NegAtion) と呼ばれる, 新たな人工知能(AI)対応フレームワークを提案する。
高度な視覚変換器とセマンティックコーデックを活用することで、VENENAは物理的なレイヤ技術と人工知能の相乗効果を通じてセマンティックセキュリティを向上し、6Gネットワークにおけるセマンティックコミュニケーションをセキュアにする方法を実証する。
関連論文リスト
- Generative AI-driven Cross-layer Covert Communication: Fundamentals, Framework and Case Study [62.5909195375364]
規制上の課題を軽減する効果的な戦略として、層間被覆通信機構が出現する。
生成人工知能(GenAI)を用いたエンドツーエンドのクロス層通信方式を提案する。
拡散強化学習を用いて, 層間安全な通信のクラウドエッジインターネットを構築するケーススタディを行った。
論文 参考訳(メタデータ) (2025-01-19T15:05:03Z) - Physical Layer Deception with Non-Orthogonal Multiplexing [52.11755709248891]
本稿では,ワイヤタッピングの試みに積極的に対処する物理層騙し(PLD)の枠組みを提案する。
PLDはPLSと偽装技術を組み合わせることで、積極的に盗聴の試みに対処する。
本研究では,PLDフレームワークの有効性を詳細な分析で証明し,従来のPLS手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-06-30T16:17:39Z) - Securing Hybrid Wireless Body Area Networks (HyWBAN): Advancements in Semantic Communications and Jamming Techniques [2.1676500745770544]
本稿では,Hybrid Wireless Body Area Networks(HyWBANs)のセキュリティを強化するための新しい戦略について検討する。
高度なサイバー攻撃に対するHyWBANの脆弱性を認識し,セマンティックコミュニケーションとジャミングレシーバーの革新的な組み合わせを提案する。
われわれのアプローチは, 主要なセキュリティ問題に対処し, 将来安全なバイオメディカル通信システムの基盤となるものとなる。
論文 参考訳(メタデータ) (2024-04-24T18:21:08Z) - 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) - Generative AI-aided Joint Training-free Secure Semantic Communications
via Multi-modal Prompts [89.04751776308656]
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。
論文 参考訳(メタデータ) (2023-09-05T23:24:56Z) - SemProtector: A Unified Framework for Semantic Protection in Deep Learning-based Semantic Communication Systems [51.97204522852634]
3つのセマンティック・プロテクション・モジュールを用いたオンラインセマンティック・コミュニケーション・システムの実現を目的とした統合されたフレームワークを提案する。
具体的には、これらの保護モジュールは、暗号化方法によって送信されるセマンティクスを暗号化し、摂動機構によって無線チャネルからのプライバシーリスクを軽減し、目的地で歪んだセマンティクスを校正することができる。
我々のフレームワークは、既存のオンラインSCシステムにおいて、上記3つのプラグイン可能なモジュールを動的に組み立てて、カスタマイズされたセマンティックプロテクション要件を満たすことを可能にする。
論文 参考訳(メタデータ) (2023-09-04T06:34:43Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳(メタデータ) (2022-05-22T07:11:57Z)
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。