論文の概要: Deep Learning-Driven Friendly Jamming for Secure Multicarrier ISAC Under Channel Uncertainty

• arxiv url: http://arxiv.org/abs/2603.05062v1
• Date: Thu, 05 Mar 2026 11:20:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.20211
• Title: Deep Learning-Driven Friendly Jamming for Secure Multicarrier ISAC Under Channel Uncertainty
• Title（参考訳）: チャネル不確実性下でのセキュアなマルチキャリアISACのためのディープラーニング駆動フレンドリージャミング
• Authors: Bui Minh Tuan, Van-Dinh Nguyen, Diep N. Nguyen, Nguyen Linh Trung, Nguyen Van Huynh, Dinh Thai Hoang, Marwan Krunz, Eryk Dutkiewicz,
• Abstract要約: 統合センシング通信(ISAC)システムは、レーダセンシングと無線通信を共同で支援することで、効率的なスペクトル利用を約束する。 本稿では,不完全なチャネル状態情報(CSI)と未知のeavesdropper(Eve)位置の存在下で,マルチキャリアISACシステムにおける物理層セキュリティを強化するためのディープラーニング駆動フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 36.06255760148067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Integrated sensing and communication (ISAC) systems promise efficient spectrum utilization by jointly supporting radar sensing and wireless communication. This paper presents a deep learning-driven framework for enhancing physical-layer security in multicarrier ISAC systems under imperfect channel state information (CSI) and in the presence of unknown eavesdropper (Eve) locations. Unlike conventional ISAC-based friendly jamming (FJ) approaches that require Eve's CSI or precise angle-of-arrival (AoA) estimates, our method exploits radar echo feedback to guide directional jamming without explicit Eve's information. To enhance robustness to radar sensing uncertainty, we propose a radar-aware neural network that jointly optimizes beamforming and jamming by integrating a novel nonparametric Fisher Information Matrix (FIM) estimator based on f-divergence. The jamming design satisfies the Cramer-Rao lower bound (CRLB) constraints even in the presence of noisy AoA. For efficient implementation, we introduce a quantized tensor train-based encoder that reduces the model size by more than 100 times with negligible performance loss. We also integrate a non-overlapping secure scheme into the proposed framework, in which specific sub-bands can be dedicated solely to communication. Extensive simulations demonstrate that the proposed solution achieves significant improvements in secrecy rate, reduced block error rate (BLER), and strong robustness against CSI uncertainty and angular estimation errors, underscoring the effectiveness of the proposed deep learning-driven friendly jamming framework under practical ISAC impairments.
• Abstract（参考訳）: 統合センシング通信(ISAC)システムは、レーダセンシングと無線通信を共同で支援することで、効率的なスペクトル利用を約束する。 本稿では,不完全なチャネル状態情報(CSI)と未知のeavesdropper(Eve)位置の存在下で,マルチキャリアISACシステムにおける物理層セキュリティを強化するためのディープラーニング駆動フレームワークを提案する。 EveのCSIや正確な位置角(AoA)を推定する従来のISACベースのフレンドリなジャミング(FJ)アプローチとは異なり、本手法ではレーダエコーフィードバックを利用して、Eveの情報を明示せずに指向性ジャミングを誘導する。 レーダ検知の不確実性に対するロバスト性を高めるために,f偏差に基づく新しい非パラメトリックフィッシャー情報行列(FIM)推定器を統合することにより,ビームフォーミングとジャミングを共同で最適化するレーダ認識ニューラルネットワークを提案する。 このジャミング設計は、ノイズの多いAoAが存在する場合でも、クラマーラオ下界(CRLB)の制約を満たす。 効率的な実装のために,量子テンソルトレインを用いたエンコーダを導入し,モデルサイズを100倍以上に削減し,性能損失を無視する。 また、特定のサブバンドを通信のみに限定できるような、重複しないセキュアなスキームを提案フレームワークに統合する。 大規模シミュレーションにより,提案手法は秘密保持率,ブロック誤り率(BLER),CSIの不確実性に対する強靭性,角推定誤差の大幅な改善を実現し,本手法の有効性を実証した。

関連論文リスト

• AmbShield: Enhancing Physical Layer Security with Ambient Backscatter Devices against Eavesdroppers [69.56534335936534]
  AmbShieldは自然分布のAmBDを利用して正規チャネルを強化し、eavesdropperを分解するAmBD支援PSSスキームである。 AmbShieldでは、AmBDはランダムに後方散乱して盗聴者の干渉を発生させるフレンドリーなジャマーとして利用され、受動的リレーは所望の信号を後方散乱して正当な装置の容量を高める。
  論文  参考訳（メタデータ） (2026-01-14T20:56:50Z)
• Secure Low-altitude Maritime Communications via Intelligent Jamming [53.42658269206017]
  低高度無線ネットワーク (LAWN) は海上通信の有効なソリューションとして登場している。 オープンで明確なUAV通信チャネルは、海上のLAWNを盗聴攻撃に対して脆弱にする。 本稿では,動的盗難対策にインテリジェントジャミングを用いた低高度海上通信システムを提案する。
  論文  参考訳（メタデータ） (2025-11-10T03:16:19Z)
• RL-Aided Cognitive ISAC: Robust Detection and Sensing-Communication Trade-offs [4.7199341867016456]
  本稿では,統合型センシングとコミュニケーションのための強化学習支援型認知フレームワークを提案する。 ウォルド型検出器は非ガウス的クラッタ下でのロバストな目標検出に使用される。 SARSAに基づくRLアルゴリズムは、事前の環境知識を使わずに目標位置の適応的推定を可能にする。
  論文  参考訳（メタデータ） (2025-11-04T15:49:51Z)
• Security-Aware Joint Sensing, Communication, and Computing Optimization in Low Altitude Wireless Networks [83.84711311344918]
  I SCCは低高度無線ネットワーク(LAWN)の中核部の一つである。 本稿では,通信の秘密性を考慮したI SCCの連成性能最適化について検討する。 進化的最適化の目的に応じて進化的演算子を適応的に選択する深層Q-network(DQN)に基づく多目的進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-03T11:06:41Z)
• When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
  低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。 これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。 本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-25T02:02:14Z)
• Adaptive Learning for IRS-Assisted Wireless Networks: Securing Opportunistic Communications Against Byzantine Eavesdroppers [7.256056777973974]
  ビザンチン耐性スペクトルセンシングとセキュアインテリジェント反射面(IRS)のための共同学習フレームワークを提案する。 本研究では,局所曲率の緩やかな速度で,予測更新と証明可能なサブ線形収束を提供する拡張ラグランジアン交互化アルゴリズムを開発した。 多様なネットワーク条件のシミュレーションでは、敵攻撃時の固定偽アラームレートの検出確率が高く、正直なユーザに対する総和MSEの大幅な削減、盗聴信号の強い抑制、高速収束が示される。
  論文  参考訳（メタデータ） (2025-08-11T17:28:25Z)
• Integrated Sensing and Communications for Low-Altitude Economy: A Deep Reinforcement Learning Approach [20.36806314683902]
  低高度経済(LAE)のための統合センシング・通信(ISAC)システムについて検討する。 所定の飛行期間における通信総和レートは、GBSとUAVの軌道でのビームフォーミングを共同最適化することにより最大化する。 本稿では, 深部強化学習(DRL)技術を活用して, 深部LAE-ISAC(Deep LAE-ISAC)と呼ばれる新しいLEE指向ISAC方式を提案する。
  論文  参考訳（メタデータ） (2024-12-05T11:12:46Z)
• A Memory-Based Reinforcement Learning Approach to Integrated Sensing and Communication [52.40430937325323]
  本稿では、送信機が受信機に送信した信号をメモリ付きチャネル上で送信するISACシステムについて考察する。 オンライン方式でセンシングを行う場合,ISAC問題に対するキャパシティ・歪みトレードオフを定式化する。
  論文  参考訳（メタデータ） (2024-12-02T03:30:50Z)
• Monocular Obstacle Avoidance Based on Inverse PPO for Fixed-wing UAVs [29.207513994002202]
  固定翼無人航空機(英語: Fixed-wing Unmanned Aerial Vehicles、UAV)は、低高度経済(LAE)と都市空運(UAM)のための最も一般的なプラットフォームの一つである。 従来の地図や高度なセンサーに依存する古典的な障害物回避システムは、未知の低高度環境や小型UAVプラットフォームにおいて制限に直面している。 本稿では,DRLに基づくUAV衝突回避システムを提案する。
  論文  参考訳（メタデータ） (2024-11-27T03:03:37Z)
• Model-based Deep Learning Receiver Design for Rate-Splitting Multiple Access [65.21117658030235]
  本研究では,モデルベース深層学習(MBDL)に基づく実用的なRSMA受信機の設計を提案する。 MBDL受信機は、符号なしシンボル誤り率(SER)、リンクレベルシミュレーション(LLS)によるスループット性能、平均トレーニングオーバーヘッドの観点から評価される。 その結果,MBDLはCSIRが不完全なSIC受信機よりも優れていた。
  論文  参考訳（メタデータ） (2022-05-02T12:23:55Z)

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。