論文の概要: Trustworthy AI-Driven Dynamic Hybrid RIS: Joint Optimization and Reward Poisoning-Resilient Control in Cognitive MISO Networks

• arxiv url: http://arxiv.org/abs/2604.01238v1
• Date: Fri, 27 Mar 2026 22:21:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.567493
• Title: Trustworthy AI-Driven Dynamic Hybrid RIS: Joint Optimization and Reward Poisoning-Resilient Control in Cognitive MISO Networks
• Title（参考訳）: 信頼できるAI駆動動的ハイブリッドRIS:認知型MIISOネットワークにおける共同最適化とリワードポジショニング-レジリエント制御
• Authors: Deemah H. Tashman, Soumaya Cherkaoui,
• Abstract要約: 認知無線ネットワーク(CRN)は、二次使用者(SU)が一次使用者(PU)に有害な干渉を伴わずに許可された周波数帯域にアクセスできるようにすることにより、スペクトル不足を軽減するための重要なメカニズムである。 この研究は、MISO(Multiple-Input Single-output) CRNをアンダーレイする適応的、エネルギー対応のハイブリッド再構成可能なインテリジェントサーフェス(RIS)を導入する。
• 参考スコア（独自算出の注目度）: 7.546882801190319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cognitive radio networks (CRNs) are a key mechanism for alleviating spectrum scarcity by enabling secondary users (SUs) to opportunistically access licensed frequency bands without harmful interference to primary users (PUs). To address unreliable direct SU links and energy constraints common in next-generation wireless networks, this work introduces an adaptive, energy-aware hybrid reconfigurable intelligent surface (RIS) for underlay multiple-input single-output (MISO) CRNs. Distinct from prior approaches relying on static RIS architectures, our proposed RIS dynamically alternates between passive and active operation modes in real time according to harvested energy availability. We also model our scenario under practical hardware impairments and cascaded fading channels. We formulate and solve a joint transmit beamforming and RIS phase optimization problem via the soft actor-critic (SAC) deep reinforcement learning (DRL) method, leveraging its robustness in continuous and highly dynamic environments. Notably, we conduct the first systematic study of reward poisoning attacks on DRL agents in RIS-enhanced CRNs, and propose a lightweight, real-time defense based on reward clipping and statistical anomaly filtering. Numerical results demonstrate that the SAC-based approach consistently outperforms established DRL baselines, and that the dynamic hybrid RIS strikes a superior trade-off between throughput and energy consumption compared to fully passive and fully active alternatives. We further show the effectiveness of our defense in maintaining SU performance even under adversarial conditions. Our results advance the practical and secure deployment of RIS-assisted CRNs, and highlight crucial design insights for energy-constrained wireless systems.
• Abstract（参考訳）: 認知無線ネットワーク(CRN)は、二次使用者(SU)が一次使用者(PU)に有害な干渉を伴わずに許可された周波数帯域にアクセスできるようにすることにより、スペクトル不足を軽減するための重要なメカニズムである。 次世代無線ネットワークに共通する信頼できない直接SUリンクとエネルギー制約に対処するために、MISO(Multiple-input Single-output) CRNをアンダーレイする適応型、エネルギー対応のハイブリッド再構成可能なインテリジェントサーフェス(RIS)を導入する。 提案手法は, 静的RISアーキテクチャに依存する従来の手法とは違い, 収穫エネルギーの可利用性に応じて, 動的に受動動作モードとアクティブ動作モードを交互に交互に行う。 また、現実的なハードウェア障害とカスケードされたフェードチャネルの下でシナリオをモデル化します。 本研究では,SAC(Softacter-critic-Deep reinforcement Learning, DRL)法を用いて, 連続・高動的環境における強靭性を利用して, 共同送信ビームフォーミングとRIS位相最適化の問題を定式化し, 解く。 特に, RIS強化CRNにおけるDRL薬剤に対する報酬中毒攻撃に関する最初の系統的研究を行い, 報酬クリッピングと統計的異常フィルタリングに基づく軽量かつリアルタイムな防御法を提案する。 数値的な結果から,SACベースのアプローチは確立されたDRLベースラインを一貫して上回り,動的ハイブリッドRISは完全受動・完全能動の代替よりもスループットとエネルギー消費のトレードオフが優れていることが示された。 対戦条件下においても,SU性能維持における防衛の有効性を示す。 本研究は, RIS支援CRNの実用的かつセキュアな展開を推し進め, エネルギー制約型無線システムにおける重要な設計思想を浮き彫りにするものである。

関連論文リスト

• Secret Key Rate Analysis of RIS-Assisted THz MIMO CV-QKD Systems under Localized and Global Eavesdropping [33.44770581515422]
  本稿では,terahertz (THz) multiple-input multiple-output (MIMO)システムについて考察する。 システムのセキュリティは、集団的なガウシアン・エンタングリング・アタックの下で分析される。 最適RIS位相構成行列を決定するために最適化フレームワークを開発した。 様々な自由パラメータに対して,システムの性能を示す結果が提示される。
  論文  参考訳（メタデータ） (2026-03-30T10:25:30Z)
• Auction-Based RIS Allocation With DRL: Controlling the Cost-Performance Trade-Off [2.217288163160845]
  基地局がセルエッジに配置した共有RISユニットの制御を競うマルチセル無線ネットワークにおいて,再構成可能なRIS(Reconfigurable intelligent surface)の割り当てについて検討した。 予算制約に固執しながら性能を最大化することを学ぶ深層強化学習(DRL)エージェントを統合する。 本研究は,次世代無線ネットワークにおけるRISの効率的かつ公平な利用のために,オークションベースのアロケーションと適応RL機構を組み合わせる可能性を強調した。
  論文  参考訳（メタデータ） (2026-02-18T06:22:14Z)
• RIS-Assisted Downlink Pinching-Antenna Systems: GNN-Enabled Optimization Approaches [51.56300276709421]
  本稿では,マルチユーザダウンリンク情報伝送のための再構成可能なマルチ導波路ピンチアンテナ (PASS) システムについて検討する。 RIS支援PASSのグラフ構造トポロジを活用することで,ユーザ位置に基づいてPA位置を学習する新しい3段階グラフニューラルネットワーク(GNN)を提案する。
  論文  参考訳（メタデータ） (2025-11-25T13:43:44Z)
• 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)
• STAR-RIS-assisted Collaborative Beamforming for Low-altitude Wireless Networks [58.13757830013997]
  無人航空機(UAV)に基づく無線ネットワークは、都市コミュニケーションに高いモビリティ、柔軟性、カバーを提供する。 閉塞により、密集した環境では信号の減衰が激しい。 この重要な問題に対処するために、UAVの協調ビームの導入と全方向逆方向ビームフォーミングについて検討する。
  論文  参考訳（メタデータ） (2025-10-25T01:28:37Z)
• Dynamic RIS-Assisted THz Quantum Networks: Joint Optimization of Entanglement Generation and Fidelity under Channel Impairments [0.0]
  テラヘルツ(THz)無線リンクがサポートする量子ネットワーク(QN)は、ファイバベースインフラの代替となる。 THzチャネルにおける信号減衰、分子吸収、および激しい伝搬損失は、信頼性の高い量子状態伝達と絡み合い分布に重大な課題をもたらす。 本稿では、アクティブモードとパッシブモードを切り替えることのできる適応RIS要素を利用する動的再構成可能なインテリジェントサーフェス(RIS)支援無線QNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-09-25T19:46:08Z)
• Multi-Functional RIS-Enabled in SAGIN for IoT: A Hybrid Deep Reinforcement Learning Approach with Compressed Twin-Models [4.02185297590683]
  宇宙空間におけるモノのインターネットのための統合ネットワーク(SAGIN)について検討した。 MF-RISは同時に無線エネルギーを増幅し、回収することができる。
  論文  参考訳（メタデータ） (2025-07-22T03:40:56Z)
• Unlocking Metasurface Practicality for B5G Networks: AI-assisted RIS Planning [33.98674736140333]
  DRISAと呼ばれる,DRLエージェントを訓練し,次に最適なRIS配置を得る,第一種深層強化学習(DRL)ソリューションを提案する。 我々のベンチマークでは、より少ない計算時間(最大-25%)で10-dBの最小信号対雑音比(SNR)の増加と、より高密度なネットワーク展開へのスケーラビリティの向上が示されている。
  論文  参考訳（メタデータ） (2023-10-16T12:14:42Z)
• Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
  アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。 非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。 ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。 増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:16:28Z)
• Phase Shift Design in RIS Empowered Wireless Networks: From Optimization to AI-Based Methods [83.98961686408171]
  再構成可能なインテリジェントサーフェス(RIS)は、無線ネットワークのための無線伝搬環境をカスタマイズする革命的な機能を持つ。 無線システムにおけるRISの利点を完全に活用するには、反射素子の位相を従来の通信資源と共同で設計する必要がある。 本稿では、RISが課す制約を扱うための現在の最適化手法と人工知能に基づく手法についてレビューする。
  論文  参考訳（メタデータ） (2022-04-28T09:26:14Z)
• Risk-Aware Energy Scheduling for Edge Computing with Microgrid: A Multi-Agent Deep Reinforcement Learning Approach [82.6692222294594]
  マイクログリッドを用いたMECネットワークにおけるリスク対応エネルギースケジューリング問題について検討する。 ニューラルネットワークを用いたマルチエージェントディープ強化学習(MADRL)に基づくアドバンテージアクター・クリティック(A3C)アルゴリズムを適用し,その解を導出する。
  論文  参考訳（メタデータ） (2020-02-21T02:14:38Z)

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。