論文の概要: False-CSI Attacks in Power-Domain NOMA for 6G: A Threat Taxonomy and System-Level Impacts

• arxiv url: http://arxiv.org/abs/2608.28351v1
• Date: Fri, 28 Aug 2026 14:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.345462
• Title: False-CSI Attacks in Power-Domain NOMA for 6G: A Threat Taxonomy and System-Level Impacts
• Title（参考訳）: 6G用パワードメインノーマにおけるFalse-CSIアタック : 重症分類とシステムレベルへの影響
• Abstract要約: 本稿では,電力ドメインNOMAにおける攻撃面としての偽CSIについて検討する。 我々は, 偽CSI行動, グループ交替攻撃, 方向偽造, パイロットスプーフィング, 訓練相注入, RISによるチャネル操作が, この基本分類をいかに拡張するかを示す。 中心的なメッセージは、偽CSIはチャネル推定問題だけでなく、6G NOMAの制御入力整合性問題として扱われるべきである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Power-domain non-orthogonal multiple access (NOMA) remains a widely studied technique for improving spectral efficiency and supporting dense connectivity in beyond-5G and 6G networks. Its main operating mechanisms, however, depend on the integrity of channel-state information (CSI). Power allocation, user ordering, pairing, clustering, and beamforming can all be distorted when the CSI consumed by the base station is deliberately biased rather than merely noisy. This article examines false CSI as an attack surface in power-domain NOMA. We organize the threat space using a compact taxonomy with two primary axes: magnitude, which distinguishes underreporting from overreporting, and ordering effect, which distinguishes order-preserving, boundary, and order-reversing attacks. We then show how coordinated false- CSI behavior, group-changing attacks, direction forgery, pilot spoofing, training-phase injection, and RIS-induced channel manipulation extend this basic taxonomy. Finally, we map each attack family to system-level impacts on power allocation, SIC reliability, scheduler behavior, fairness, throughput, and secrecy. The central message is that false CSI should be treated not only as a channel-estimation problem, but also as a control-input integrity problem for 6G NOMA.
• Abstract（参考訳）: 電力ドメイン非直交多重アクセス(NOMA)は、5Gネットワークと6Gネットワーク以上の高密度接続をサポートするために広く研究されている技術である。 しかし、その主な動作メカニズムはチャネル状態情報(CSI)の整合性に依存している。 パワーアロケーション、ユーザオーダリング、ペアリング、クラスタリング、ビームフォーミングは、ベースステーションが消費するCSIが単にノイズではなく故意に偏りがある場合に全て歪むことができる。 本稿では,電力ドメインNOMAにおける攻撃面としての偽CSIについて検討する。 我々は,2つの主要な軸を持つコンパクトな分類法を用いて,脅威空間を編成する。これは過度の報告と過度の報告を区別する等級であり,秩序保存,境界,秩序逆行攻撃を区別する等級である。 次に, 偽CSI行動, グループ交替攻撃, 方向偽造, パイロットスプーフィング, 訓練相注入, RISによるチャネル操作が, この基本的な分類をいかに拡張するかを示す。 最後に、各攻撃ファミリーを、電源割り当て、SIC信頼性、スケジューラ動作、公平性、スループット、機密性に対するシステムレベルの影響にマップする。 中心的なメッセージは、偽CSIはチャネル推定問題だけでなく、6G NOMAの制御入力整合性問題として扱われるべきである。

関連論文リスト

• Distributed Physical Layer Authentication and Collaborative RSMA in Non-Terrestrial Networks via Graph Reinforcement Learning [2.0965265618008315]
  正当なチャネル状態情報(CSI)にアクセスせずに、受動的、位置対応、静的な盗聴器 秘密スペクトル効率(SSE)を最大化するマルチゾーンシステム(SAFA-MZ)に対するセキュア適応認証を提案する。 その結果,単線通信よりも平均SSEを最大135%,ANなしでは21%向上することが示唆された。
  論文  参考訳（メタデータ） (2026-09-08T21:46:12Z)
• SAGE-5GC: Security-Aware Guidelines for Evaluating Anomaly Detection in the 5G Core Network [10.75690780447407]
  本研究では,現実的な配置設定に焦点をあて,野生の5G攻撃をテキスト化する問題について検討する。 5Gコアネットワーク(SAGE-5GC)における異常検出のためのセキュリティ意識ガイドラインのセットを提案する。 現実的な5G Coreデータセットを用いて、まず複数の異常検知器を訓練し、標準の5GC制御プレーンサイバー攻撃に対してベースライン性能を評価する。 そこで,攻撃者はネットワークトラフィックの可観測的特徴を操作して検出を回避しようとする。
  論文  参考訳（メタデータ） (2026-02-03T14:50:19Z)
• HeterCSI: Channel-Adaptive Heterogeneous CSI Pretraining Framework for Generalized Wireless Foundation Models [24.285127409979342]
  HeterCSIは、トレーニング効率を堅牢なクロスシナリオの一般化と整合させる、チャネル適応型事前トレーニングフレームワークである。 HeterCSIはフルショットベースラインよりも平均性能が優れている。 最先端のベンチマークWiFoと比較して、NMSEはそれぞれ7.19dB、4.08dB、5.27dBのCSI再構成、時間領域、周波数領域予測を行う。
  論文  参考訳（メタデータ） (2026-01-26T06:35:48Z)
• FGGM: Formal Grey-box Gradient Method for Attacking DRL-based MU-MIMO Scheduler [38.931160910894036]
  5Gモバイル通信システムにおいて、MU-MIMOはスペクトル効率を高め、高いデータレートをサポートする。 ユーザ間の公平性を提供しながらスペクトル効率を最大化するために,基地局はデータ伝送のためのサブセットを選択する必要がある。 本稿では,不衛生な生CSIを用いてスループット劣化攻撃を発生させる方法について検討する。
  論文  参考訳（メタデータ） (2025-10-30T02:17:32Z)
• Topology-aware Detection and Localization of Distributed Denial-of-Service Attacks in Network-on-Chips [2.6490401904186758]
  本稿では,グラフニューラルネットワーク(GNN)を用いたDDoS攻撃のトポロジ対応検出とローカライズを行うためのフレームワークを提案する。 NoCをグラフとしてモデル化することにより、トラフィック機能を利用してDDoS攻撃を効果的に識別し、ローカライズする。 実験結果から,DDoS攻撃を高い精度(最大99%)で検出およびローカライズできると同時に,多様な攻撃戦略の下で一貫した性能を維持することができることがわかった。
  論文  参考訳（メタデータ） (2025-05-20T20:49:34Z)
• Grimm: A Plug-and-Play Perturbation Rectifier for Graph Neural Networks Defending against Poisoning Attacks [53.972077392749185]
  近年の研究では、ノード分類タスクに対する敵対的中毒攻撃に対するグラフニューラルネットワーク(GNN)の脆弱性が明らかにされている。 ここでは、最初のプラグアンドプレイディフェンスモデルであるGrimmを紹介します。
  論文  参考訳（メタデータ） (2024-12-11T17:17:02Z)
• CSI-BERT2: A BERT-inspired Framework for Efficient CSI Prediction and Classification in Wireless Communication and Sensing [19.12026243010111]
  CSI予測と分類タスクのための統合フレームワークCSI-BERT2を提案する。 このフレームワークはBERTに適応し、双方向の自己認識機構を通じてCSI配列間の複雑な関係をキャプチャする。 CSI-BERT2は、すべてのタスクで最先端のパフォーマンスを達成することを実証している。
  論文  参考訳（メタデータ） (2024-12-09T06:44:04Z)
• HGAttack: Transferable Heterogeneous Graph Adversarial Attack [63.35560741500611]
  ヘテロジニアスグラフニューラルネットワーク(HGNN)は、Webやeコマースなどの分野でのパフォーマンスでますます認識されている。 本稿ではヘテロジニアスグラフに対する最初の専用グレーボックス回避手法であるHGAttackを紹介する。
  論文  参考訳（メタデータ） (2024-01-18T12:47:13Z)
• Securing Graph Neural Networks in MLaaS: A Comprehensive Realization of Query-based Integrity Verification [68.86863899919358]
  我々は機械学習におけるGNNモデルをモデル中心の攻撃から保護するための画期的なアプローチを導入する。 提案手法は,GNNの完全性に対する包括的検証スキーマを含み,トランスダクティブとインダクティブGNNの両方を考慮している。 本稿では,革新的なノード指紋生成アルゴリズムを組み込んだクエリベースの検証手法を提案する。
  論文  参考訳（メタデータ） (2023-12-13T03:17:05Z)
• Graph Agent Network: Empowering Nodes with Inference Capabilities for Adversarial Resilience [50.460555688927826]
  グラフニューラルネットワーク(GNN)の脆弱性に対処するグラフエージェントネットワーク(GAgN)を提案する。 GAgNはグラフ構造化エージェントネットワークであり、各ノードは1-hop-viewエージェントとして設計されている。 エージェントの限られたビューは、悪意のあるメッセージがGAgNでグローバルに伝播するのを防ぎ、グローバル最適化ベースのセカンダリアタックに抵抗する。
  論文  参考訳（メタデータ） (2023-06-12T07:27:31Z)
• 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)
• Adversarial Attacks on Deep Learning Based Power Allocation in a Massive MIMO Network [62.77129284830945]
  本稿では,大規模なマルチインプット・マルチアウトプット(MAMIMO)ネットワークのダウンリンクにおいて,逆攻撃がDLベースの電力割り当てを損なう可能性があることを示す。 我々はこれらの攻撃のパフォーマンスをベンチマークし、ニューラルネットワーク(NN)の入力に小さな摂動がある場合、ホワイトボックス攻撃は最大86%まで実現不可能な解決策をもたらすことを示した。
  論文  参考訳（メタデータ） (2021-01-28T16:18:19Z)
• Graph Backdoor [53.70971502299977]
  GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。 GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。 トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
  論文  参考訳（メタデータ） (2020-06-21T19:45:30Z)

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。