論文の概要: Channel-Informed Neural Network for Physical Layer Key Generation
- arxiv url: http://arxiv.org/abs/2609.16341v1
- Date: Mon, 14 Sep 2026 20:57:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.240863
- Title: Channel-Informed Neural Network for Physical Layer Key Generation
- Title（参考訳）: チャネルインフォームドニューラルネットワークによる物理層鍵生成
- Abstract要約: 物理層鍵生成(PKG)により、無線デバイスは、直接鍵を交換することなく、相互チャネル観測から共有鍵を確立することができる。
この機能はエッジネットワークにとって魅力的であり、分散およびリソース制限されたデバイスは、集中インフラへのアクセスが制限された軽量なキー設定を必要とする可能性がある。
我々は、受信したIQ測定から直接バイナリキー特徴を導出するPKGのためのチャネルインフォームドニューラルネットワークを導入する。
- 参考スコア（独自算出の注目度）: 2.5076293601529467
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Physical-layer key generation (PKG) enables wireless devices to establish shared keys from reciprocal channel observations without directly exchanging the key. This capability is attractive for edge networks, where distributed and resource-constrained devices may require lightweight key establishment with limited access to centralized infrastructure. We introduce a channel-informed neural network for PKG that derives binary key features directly from received IQ measurements while explicitly grounding the learned representation in the underlying multipath channel. The proposed multi-task recurrent neural network jointly learns reciprocity-preserving binary features and an auxiliary channel estimate using a training objective that combines deep metric learning with channel-informed supervision. Structured channel sounding enables channel estimation from over-the-air measurements, while Sionna-RT ray tracing is used to augment training with additional propagation conditions. We evaluate the framework using indoor and outdoor software-defined-radio measurements collected on the POWDER radio testbed. Across all evaluated scenarios, the proposed model produces lower bit disagreement for reciprocal Alice-Bob observations than for Eve-related observations. Ray-traced data augmentation substantially improves key diversity, increasing the unique-key rate to 0.94, 0.99, and 0.99 across the indoor and two outdoor scenarios, respectively. Successfully reconciled channel-informed keys pass the selected NIST randomness tests prior to SHA-3 privacy amplification. The results demonstrate the potential of channel-informed representation learning for decentralized wireless key establishment while highlighting an important tradeoff between key diversity and reconciliation reliability.
- Abstract（参考訳）: 物理層鍵生成(PKG)により、無線デバイスは、直接鍵を交換することなく、相互チャネル観測から共有鍵を確立することができる。
この機能はエッジネットワークにとって魅力的であり、分散およびリソース制限されたデバイスは、集中インフラへのアクセスが制限された軽量なキー設定を必要とする可能性がある。
本稿では,PKGのためのチャネルインフォームドニューラルネットワークを提案する。このニューラルネットワークは,受信したIQ測定値から直接バイナリキーの特徴を導出するとともに,学習した表現を基礎となるマルチパスチャネルに明示的に基盤付ける。
提案したマルチタスクリカレントニューラルネットワークは、ディープメトリック学習とチャネルインフォームドインフォメーションを組み合わせたトレーニング目標を用いて、相互保存バイナリ特徴と補助チャネル推定を共同で学習する。
Sionna-RT線トレーシングは、追加の伝搬条件でトレーニングを増強するために用いられる。
我々は、POWDERラジオテストベッドで収集した屋内および屋外のソフトウェア定義ラジオ計測を用いて、フレームワークの評価を行った。
評価されたすべてのシナリオにおいて、提案モデルは、イブ関連観測よりも、相互Alice-Bob観測に対する低ビット不一致を生成する。
レイトレーシングによるデータ拡張によりキーの多様性が大幅に向上し、屋内と屋外のシナリオでそれぞれ0.94、0.99、0.99となる。
チャンネルインフォームドキーは、SHA-3のプライバシー増幅に先立って選択されたNISTランダムネステストに合格する。
その結果,分散化無線鍵構築のためのチャネルインフォームド表現学習の可能性を示すとともに,鍵の多様性と和解信頼性の重要なトレードオフを浮き彫りにした。
関連論文リスト
- Variational Secret Common Randomness Extraction [38.319927578257726]
本研究では,Alice と Bob の2つの正統派による相関したランダムソースから共通乱数性(CR)や秘密鍵を抽出する問題について,盗聴器 Eve の存在下での公開討論を通して検討した。
まず、Alice氏とBob氏は、確率論的ニューラルネットワーク(NN)エンコーダを用いて、観測結果を離散的、ほぼ均一な確率変数(RV)に高整合確率でマッピングする。
第2段階では、コードオフセット構成を用いたセキュアなスケッチにより、エンコーダの出力を同一秘密鍵に調整し、VPQの目的によって秘密が保証される。
論文 参考訳（メタデータ） (2025-10-02T14:22:21Z) - Robust Localization of Key Fob Using Channel Impulse Response of Ultra
Wide Band Sensors for Keyless Entry Systems [12.313730356985019]
キーレス入力のセキュリティ機能として、車内および周囲のキーフォブのローカライズにニューラルネットワークを使用することは、急速に進んでいる。
モデルの性能は, 高速勾配法では, 一定の範囲で67%向上し, 基本反復法では37%, 投射勾配法では37%向上した。
論文 参考訳（メタデータ） (2024-01-16T22:35:14Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳（メタデータ） (2023-06-08T06:15:17Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Attention Based Neural Networks for Wireless Channel Estimation [1.0499453838486013]
本稿では,アテンション機構を利用して最も重要な入力情報に注目するハイブリッドエンコーダデコーダ構造(HA02)を初めて提案する。
特に,変換器エンコーダブロックをエンコーダとして実装し,入力特徴の空間性を達成するとともに,残差ニューラルネットワークをデコーダとして実装する。
本シミュレーションは,チャネル推定のための他の候補ニューラルネットワーク手法と比較して,優れた推定性能を示す。
論文 参考訳（メタデータ） (2022-04-28T12:54:19Z) - Multi-task Learning Approach for Modulation and Wireless Signal
Classification for 5G and Beyond: Edge Deployment via Model Compression [1.218340575383456]
将来的な通信網は、異種無線デバイスの成長に対応するために、少ないスペクトルに対処する必要がある。
我々は、深層ニューラルネットワークに基づくマルチタスク学習フレームワークの可能性を利用して、変調と信号分類タスクを同時に学習する。
公共利用のための包括的ヘテロジニアス無線信号データセットを提供する。
論文 参考訳（メタデータ） (2022-02-26T14:51:02Z) - Channel-Wise Early Stopping without a Validation Set via NNK Polytope
Interpolation [36.479195100553085]
畳み込みニューラルネットワーク(ConvNets)は、複数のチャネルの集約によって形成される高次元の特徴空間からなる。
非次元カーネル回帰(NNK)グラフに基づく新しい一般化推定法であるチャネルワイドDeepNNKを提案する。
論文 参考訳（メタデータ） (2021-07-27T17:33:30Z) - Learning to Estimate RIS-Aided mmWave Channels [50.15279409856091]
そこでは,観測観測のために,既知の基地局とRIS位相制御行列を併用したアップリンクチャネル推定手法を提案する。
推定性能を向上し, トレーニングオーバーヘッドを低減するため, 深部展開法において, mmWaveチャネルの固有チャネル幅を生かした。
提案したディープ・アンフォールディング・ネットワーク・アーキテクチャは,トレーニングオーバーヘッドが比較的小さく,オンライン計算の複雑さも比較的小さく,最小二乗法(LS)法より優れていることが確認された。
論文 参考訳（メタデータ） (2021-07-27T06:57:56Z) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-22T13:34:53Z) - Deep Denoising Neural Network Assisted Compressive Channel Estimation
for mmWave Intelligent Reflecting Surfaces [99.34306447202546]
本稿では,mmWave IRSシステムに対するディープデノイングニューラルネットワークを用いた圧縮チャネル推定法を提案する。
我々はまず、受信チェーンをほとんど使わず、アップリンクのユーザ-IRSチャネルを推定するハイブリッド・パッシブ/アクティブIRSアーキテクチャを導入する。
完全チャネル行列は、圧縮センシングに基づいて限られた測定値から再構成することができる。
論文 参考訳（メタデータ） (2020-06-03T12:18:57Z) - Decentralized Learning for Channel Allocation in IoT Networks over
Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。
本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-30T10:05:35Z)
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。