論文の概要: Pilot Contamination Attacks Detection with Machine Learning for Multi-User Massive MIMO

• arxiv url: http://arxiv.org/abs/2510.03831v1
• Date: Sat, 04 Oct 2025 15:17:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.284155
• Title: Pilot Contamination Attacks Detection with Machine Learning for Multi-User Massive MIMO
• Title（参考訳）: マルチユーザ大量MIMOのための機械学習によるパイロット汚染検出
• Authors: Pedro Ivo da Cruz, Dimitri Silva, Tito Spadini, Ricardo Suyama, Murilo Bellezoni Loiola,
• Abstract要約: 5Gや6Gのような現代の無線通信システムでは、MMIMO(Massive multiple-input multiple-output)が不可欠だが、アクティブな盗聴攻撃には弱い。 そのような攻撃の1つのタイプはパイロット汚染攻撃(PCA)であり、悪意のあるユーザはアップリンク中に認証されたユーザーからパイロット信号をコピーする。 マルチユーザシステムにおける基地局におけるPCA検出にDecision Tree(DT)アルゴリズムを用いることを提案する。
• 参考スコア（独自算出の注目度）: 0.8808021343665321
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Massive multiple-input multiple-output (MMIMO) is essential to modern wireless communication systems, like 5G and 6G, but it is vulnerable to active eavesdropping attacks. One type of such attack is the pilot contamination attack (PCA), where a malicious user copies pilot signals from an authentic user during uplink, intentionally interfering with the base station's (BS) channel estimation accuracy. In this work, we propose to use a Decision Tree (DT) algorithm for PCA detection at the BS in a multi-user system. We present a methodology to generate training data for the DT classifier and select the best DT according to their depth. Then, we simulate different scenarios that could be encountered in practice and compare the DT to a classical technique based on likelihood ratio testing (LRT) submitted to the same scenarios. The results revealed that a DT with only one level of depth is sufficient to outperform the LRT. The DT shows a good performance regarding the probability of detection in noisy scenarios and when the malicious user transmits with low power, in which case the LRT fails to detect the PCA. We also show that the reason for the good performance of the DT is its ability to compute a threshold that separates PCA data from non-PCA data better than the LRT's threshold. Moreover, the DT does not necessitate prior knowledge of noise power or assumptions regarding the signal power of malicious users, prerequisites typically essential for LRT and other hypothesis testing methodologies.
• Abstract（参考訳）: 5Gや6Gのような現代の無線通信システムでは、MMIMO(Massive multiple-input multiple-output)が不可欠だが、アクティブな盗聴攻撃には弱い。 このような攻撃の1つのタイプはパイロット汚染攻撃(PCA)であり、悪意のあるユーザがアップリンク中に、基地局(BS)のチャネル推定精度に意図的に干渉して、認証されたユーザーからのパイロット信号をコピーする。 本研究では,マルチユーザシステムにおけるBSにおけるPCA検出にDecision Tree (DT)アルゴリズムを用いることを提案する。 本稿では,DT分類器のトレーニングデータを生成し,その深さに応じて最適なDTを選択する手法を提案する。 そこで我々は,実際に遭遇する可能性のある様々なシナリオをシミュレートし,同じシナリオに提出された可能性比検定(LRT)に基づいてDTと古典的手法を比較した。 その結果, 深さが1レベルしかないDTでは, LRTよりも高い性能が得られた。 DTは、ノイズの多いシナリオにおける検出の確率と、悪意のあるユーザが低電力で送信した場合、LRTがPCAを検出できない場合に、優れた性能を示す。 また, DTの性能向上の理由として, PCAデータとPCAデータを分離するしきい値がLRTのしきい値より優れていることが挙げられる。 さらに、DTは、悪意のあるユーザの信号パワーに関するノイズパワーや仮定に関する事前の知識や、LRTや他の仮説テスト手法に必須の前提条件を必要としない。

関連論文リスト

• Large Language Model-Empowered Decision Transformer for UAV-Enabled Data Collection [71.84636717632206]
  空間分散デバイスからの信頼性とエネルギー効率のよいデータ収集のための無人航空機(UAV)は、IoT(Internet of Things)アプリケーションをサポートする上で大きな可能性を秘めている。 有効なUAV制御ポリシーを学習するための共同言語モデル(LLM)を提案する。 LLM-CRDTは、現在の最先端DTアプローチよりも最大36.7%高いエネルギー効率を達成し、オンラインおよびオフラインメソッドのベンチマークより優れている。
  論文  参考訳（メタデータ） (2025-09-17T13:05:08Z)
• ORCA: Mitigating Over-Reliance for Multi-Task Dwell Time Prediction with Causal Decoupling [47.149123258330036]
  マルチタスク学習モデルはDT予測を最も短く長いビンに崩壊させ、適度な期間を過小評価する。 我々は、因果疎結合でこの問題に対処するORCAを提案する。 実験では、CTRを傷つけることなくDT測定値が平均10.6%上昇した。
  論文  参考訳（メタデータ） (2025-08-22T17:56:01Z)
• Should We Ever Prefer Decision Transformer for Offline Reinforcement Learning? [0.0]
  スパース・リワード環境におけるFBC(Filted Behavior Cloning)は,DT(Decision Transformer)に比べて優れた性能を示すことを示す。 その結果、DTはスパース・リワード環境には好ましくないことが示唆された。
  論文  参考訳（メタデータ） (2025-07-14T11:36:31Z)
• Low-Cost High-Power Membership Inference Attacks [15.240271537329534]
  メンバーシップ推論攻撃は、特定のデータポイントがモデルのトレーニングに使用されたかどうかを検出することを目的としている。 我々は,計算オーバーヘッドの少ない,堅牢なメンバシップ推論攻撃を行うための新しい統計的試験を設計する。 RMIAは、機械学習における実用的かつ正確なデータプライバシーリスク評価の基礎を成している。
  論文  参考訳（メタデータ） (2023-12-06T03:18:49Z)
• DALA: A Distribution-Aware LoRA-Based Adversarial Attack against Language Models [64.79319733514266]
  敵攻撃は入力データに微妙な摂動をもたらす可能性がある。 最近の攻撃方法は比較的高い攻撃成功率(ASR)を達成することができる。 そこで本研究では,分散ロラをベースとしたDALA(Adversarial Attack)手法を提案する。
  論文  参考訳（メタデータ） (2023-11-14T23:43:47Z)
• Efficient Deep Reinforcement Learning Requires Regulating Overfitting [91.88004732618381]
  本稿では,高時間差(TD)誤差が深部RLアルゴリズムの性能に悪影響を及ぼす主要な原因であることを示す。 検証TDエラーをターゲットとした簡単なオンラインモデル選択法は,状態ベースDMCおよびGymタスク間で有効であることを示す。
  論文  参考訳（メタデータ） (2023-04-20T17:11:05Z)
• Generalized Decision Transformer for Offline Hindsight Information Matching [16.7594941269479]
  本稿では、後視情報マッチング(HIM)問題を解くための一般化決定変換器(GDT)を提案する。 特徴関数と反因果アグリゲータの異なる選択が, 将来の異なる統計値に適合する新しいカテゴリーDT (CDT) と双方向DT (BDT) にどのように寄与するかを示す。
  論文  参考訳（メタデータ） (2021-11-19T18:56:13Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Contextual-Bandit Anomaly Detection for IoT Data in Distributed Hierarchical Edge Computing [65.78881372074983]
  IoTデバイスは複雑なディープニューラルネットワーク(DNN)モデルにはほとんど余裕がなく、異常検出タスクをクラウドにオフロードすることは長い遅延を引き起こす。 本稿では,分散階層エッジコンピューティング(HEC)システムを対象とした適応型異常検出手法のデモと構築を行う。 提案手法は,検出タスクをクラウドにオフロードした場合と比較して,精度を犠牲にすることなく検出遅延を著しく低減することを示す。
  論文  参考訳（メタデータ） (2020-04-15T06:13:33Z)

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。