論文の概要: SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks
- arxiv url: http://arxiv.org/abs/2511.01466v1
- Date: Mon, 03 Nov 2025 11:24:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:27.23973
- Title: SecDiff: Diffusion-Aided Secure Deep Joint Source-Channel Coding Against Adversarial Attacks
- Title（参考訳）: SecDiff:拡散支援型ディープジョイント・ソース・カーネル・コーディング
- Authors: Changyuan Zhao, Jiacheng Wang, Ruichen Zhang, Dusit Niyato, Hongyang Du, Zehui Xiong, Dong In Kim, Ping Zhang,
- Abstract要約: SecDiffは、プラグイン・アンド・プレイの拡散支援デコーディングフレームワークである。
対向無線環境下での深部JSCCの安全性と堅牢性を大幅に向上させる。
- 参考スコア（独自算出の注目度）: 73.41290017870097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep joint source-channel coding (JSCC) has emerged as a promising paradigm for semantic communication, delivering significant performance gains over conventional separate coding schemes. However, existing JSCC frameworks remain vulnerable to physical-layer adversarial threats, such as pilot spoofing and subcarrier jamming, compromising semantic fidelity. In this paper, we propose SecDiff, a plug-and-play, diffusion-aided decoding framework that significantly enhances the security and robustness of deep JSCC under adversarial wireless environments. Different from prior diffusion-guided JSCC methods that suffer from high inference latency, SecDiff employs pseudoinverse-guided sampling and adaptive guidance weighting, enabling flexible step-size control and efficient semantic reconstruction. To counter jamming attacks, we introduce a power-based subcarrier masking strategy and recast recovery as a masked inpainting problem, solved via diffusion guidance. For pilot spoofing, we formulate channel estimation as a blind inverse problem and develop an expectation-minimization (EM)-driven reconstruction algorithm, guided jointly by reconstruction loss and a channel operator. Notably, our method alternates between pilot recovery and channel estimation, enabling joint refinement of both variables throughout the diffusion process. Extensive experiments over orthogonal frequency-division multiplexing (OFDM) channels under adversarial conditions show that SecDiff outperforms existing secure and generative JSCC baselines by achieving a favorable trade-off between reconstruction quality and computational cost. This balance makes SecDiff a promising step toward practical, low-latency, and attack-resilient semantic communications.
- Abstract（参考訳）: ディープ・ジョイント・ソース・チャネル・コーディング(JSCC)はセマンティック・コミュニケーションのための有望なパラダイムとして登場し、従来の個別の符号化方式よりも大きなパフォーマンス向上を実現している。
しかし、既存のJSCCフレームワークは、パイロットスプーフィングやサブキャリアジャミング、意味的忠実さの妥協など、物理層にまたがる脅威に弱いままである。
本稿では,無線環境下での深部JSCCのセキュリティと堅牢性を大幅に向上させる,プラグアンドプレイ・拡散支援型デコードフレームワークSecDiffを提案する。
従来の拡散誘導型JSCC法と異なり、SecDiffでは擬似逆誘導型サンプリングと適応誘導重み付けを採用しており、柔軟なステップサイズ制御と効率的な意味再構成を実現している。
ジャミング攻撃に対する対策として,パワーベースサブキャリアマスキングとリキャストリカバリをマスク塗装問題として導入し,拡散誘導によって解決した。
パイロットスプーフィングでは、チャネル推定を盲点逆問題として定式化し、再構成損失とチャネル演算子を併用して予測最小化(EM)駆動の再構成アルゴリズムを開発する。
特に,本手法はパイロットリカバリとチャネル推定を交互に行い,拡散過程を通じて両変数の結合精錬を可能にする。
反対条件下での直交周波数分割多重化(OFDM)チャネルに対する広範な実験により、SecDiffは、再構成品質と計算コストのトレードオフを良好に達成することにより、既存のセキュアで生成的なJSCCベースラインより優れていることが示された。
このバランスにより、SecDiffは実用的で低レイテンシでアタック-レジリエントなセマンティックコミュニケーションに向けた有望なステップとなる。
関連論文リスト
- Semantic Channel Equalization Strategies for Deep Joint Source-Channel Coding [8.967618587731694]
ディープジョイント・ソース・チャネル・コーディング(DeepJSCC)は、エンドツーエンドのセマンティック・コミュニケーションの強力なパラダイムとして登場した。
既存のDeepJSCCスキームは送信機(TX)と受信機(RX)で共有潜在空間を仮定する。
このミスマッチは、"セマンティックノイズ"を導入し、再構築品質を劣化させ、下流タスクのパフォーマンスを低下させる。
論文 参考訳（メタデータ） (2025-10-06T10:29:07Z) - SING: Semantic Image Communications using Null-Space and INN-Guided Diffusion Models [52.40011613324083]
近年, 無線画像伝送において, 共用音源チャネル符号化システム (DeepJSCC) が顕著な性能を発揮している。
既存の手法では、送信された画像とレシーバーの再構成されたバージョンとの間の歪みを最小限に抑えることに重点を置いており、しばしば知覚的品質を見落としている。
逆問題として,破損した再構成画像から高品質な画像の復元を定式化する新しいフレームワークであるSINGを提案する。
論文 参考訳（メタデータ） (2025-03-16T12:32:11Z) - Heterogeneous Multi-Agent Reinforcement Learning for Distributed Channel Access in WLANs [47.600901884970845]
本稿では,マルチエージェント強化学習(MARL)を用いて,無線ローカルネットワークにおける分散チャネルアクセスに対処する。
特に、エージェントがモデルトレーニングに価値ベースまたはポリシーベースの強化学習アルゴリズムを不均一に採用する、より実践的なケースについて考察する。
我々は、分散実行パラダイムを用いた集中型トレーニングを採用し、異種エージェントの協調を可能にする、異種MARLトレーニングフレームワークQPMIXを提案する。
論文 参考訳（メタデータ） (2024-12-18T13:50:31Z) - Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。
提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。
実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
論文 参考訳（メタデータ） (2024-10-24T13:41:32Z) - Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
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) - Asymmetric Diffusion Based Channel-Adaptive Secure Wireless Semantic
Communications [5.539381022630274]
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。
論文 参考訳（メタデータ） (2023-10-30T11:00:47Z) - Generative Joint Source-Channel Coding for Semantic Image Transmission [29.738666406095074]
ディープニューラルネットワーク(DNN)を用いたJSCCスキームは、無線画像伝送において有望な結果をもたらす。
本稿では,無線画像伝送における深部生成モデル(DGM)の知覚品質を活用する2つの新しいJ SCC方式を提案する。
論文 参考訳（メタデータ） (2022-11-24T19:14:27Z) - 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)
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。