論文の概要: Privacy-Preserving Spectrum Data Obfuscation in Next-Generation Spectrum Coexistence Systems
- arxiv url: http://arxiv.org/abs/2611.15770v1
- Date: Wed, 11 Nov 2026 17:49:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.243537
- Title: Privacy-Preserving Spectrum Data Obfuscation in Next-Generation Spectrum Coexistence Systems
- Title(参考訳): 次世代スペクトラム共存システムにおけるプライバシー保護スペクトルデータ難読化
- Abstract要約: スペクトル共存システムでは、干渉回避と調整のために、プライマリユーザ(PU)の活動が部分的に開示されなければならない。
本稿では,推測による情報漏洩に対して,有意な無作為なサブセット開示が依然として極めて脆弱であることを示す。
この脆弱性に対処するために、構造対応の難読化戦略が導入されている。
- 参考スコア(独自算出の注目度): 7.076571275047363
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In spectrum coexistence systems, the primary user (PU) activity must be partially disclosed for interference avoidance and coordination, while the exact spectrum occupancy information is often restricted due to security and regulatory constraints. To this end, subset-based disclosures can be employed in which the true frequency is included while ambiguity is introduced. This paper shows that naive randomized subset disclosures remain highly vulnerable to information leakage through inference, as temporal structure can be exploited to recover spectrum usage information. Under Markovian dynamics of the PU's spectrum usage, hidden Markov model (HMM) filtering with online learning is applied, while under periodic dynamics, period and phase estimations with phase-aligned statistics are used for inference. To address this vulnerability, structure-aware obfuscation strategies are introduced. For Markovian dynamics, history-based and belief-based schemes are designed to induce model mismatch and limit posterior concentration, while for periodic dynamics, cycle-dominance and decoy-based schemes are designed to manipulate phase-wise statistics and bias the inference process. These obfuscation schemes significantly hinder inference of spectrum information and offer principled disclosure solutions for spectrum coexistence systems.
- Abstract(参考訳): スペクトル共存システムでは、プライマリユーザ(PU)の活動は妨害回避と調整のために部分的に開示されなければならないが、正確なスペクトル占有情報はセキュリティや規制上の制約により制限されることが多い。
この目的のために、あいまいさを導入しながら真の周波数を含む部分集合ベースの開示を用いることができる。
本稿では、時間構造を利用してスペクトル利用情報の復元を行うため、入射的ランダム化されたサブセット開示は、推論による情報漏洩に対して脆弱なままであることを示す。
PUのスペクトル利用のマルコフ力学では、オンライン学習による隠れマルコフモデル(HMM)フィルタリングが適用され、周期力学では、位相整合統計による周期および位相推定が推測に使用される。
この脆弱性に対処するため、構造対応の難読化戦略が導入された。
マルコフ力学では、履歴に基づくスキームと信念に基づくスキームはモデルミスマッチを誘発し、後続濃度を制限するように設計され、周期力学ではサイクルマディナンスとデコイに基づくスキームはフェーズワイズ統計を演算し、推論過程を偏見するように設計されている。
これらの難読化スキームはスペクトル情報の推測を著しく妨げ、スペクトル共存系に対する原理的開示ソリューションを提供する。
関連論文リスト
- Full spectrum Unlearnable Examples via Spectral Equalization [29.22443621401928]
スペクトル等化(FUSE)によるフルスペクトル未学習例を提案する。
FUSEは、異なるバンドからのコントリビューションを等しくし、バンド間の一貫性を強制することにより、スペクトルに依存しない摂動を生成する。
複数のデータセット、アーキテクチャ、スペクトルフィルタリングにわたる実験は、FUSEによって達成された強力な保護を示す。
論文 参考訳(メタデータ) (2026-06-25T07:53:53Z) - AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
AnchorMoEは、解釈可能な構成別分類フレームワークである。
ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。
実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
論文 参考訳(メタデータ) (2026-06-02T13:30:54Z) - SRENet: Spectral Re-Entry Network for Point Cloud Action Recognition [49.508770157706486]
本研究では,行動認識の周波数視点から,大域的文脈と微粒な動きの時間的ダイナミクスを学習するためのSRENetを提案する。
SRENetは、ポイントクラウドベースのアクション理解における周波数モデリングの有効性を検証し、最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2026-06-02T05:11:47Z) - Dynamic Spectral Denoising with Global-Context Attention for Multi-Behavior Recommendation [58.33732779555114]
重要なボトルネックは、2つの結合した不均一性によって引き起こされる表現レベルの失敗である、と我々は主張する。
マルチビヘイビアレコメンデーション(SpectraMB)のためのグローバルコンテキストを考慮した動的スペクトルデノベーションを提案する。
SpectraMBは、ほとんどの評価設定で最高の結果を達成し、ノイズのある相互作用下での堅牢性の向上を示す。
論文 参考訳(メタデータ) (2026-06-01T15:58:13Z) - Contextual and Seasonal LSTMs for Time Series Anomaly Detection [49.50689313712684]
CS-LSTM (Contextual and Seasonal LSTMs) という新しい予測型フレームワークを提案する。
CS-LSTMはノイズ分解戦略に基づいて構築され、コンテキスト依存と季節パターンを併用する。
彼らは一貫して最先端の手法を上回り、堅牢な時系列異常検出における有効性と実用的価値を強調した。
論文 参考訳(メタデータ) (2026-02-10T11:46:15Z) - Structured Spectral Reasoning for Frequency-Adaptive Multimodal Recommendation [13.886659472425393]
マルチモーダルレコメンデーションは、視覚情報やテキスト情報などの異種コンテンツと協調的な信号を統合することを目的としている。
これらの問題は、しばしば単純融合や浅いモデリング戦略によって悪化し、一般化の低下とロバスト性の低下につながる。
周波数対応マルチモーダルレコメンデーションのための構造化スペクトル推論フレームワークを提案する。
論文 参考訳(メタデータ) (2025-12-01T07:39:28Z) - Scalable Spectrum Availability Prediction using a Markov Chain Framework and ITU-R Propagation Models [0.0]
本稿では、スペクトル可用性予測のためのスケーラブルなフレームワークを提案する。
一次ユーザ活動の2状態マルコフ連鎖モデルとITU-Rからの高忠実な伝播モデルを組み合わせる。
フレームワークは柔軟で、様々な周波数帯域やシナリオに適応できる。
論文 参考訳(メタデータ) (2025-07-30T03:22:55Z) - Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram [6.62414474989199]
スペクトル領域にファジィクラスタリングフレームワークを導入し、変数間の周波数特異なモノトニックな関係を抽出する。
本手法は、クラスタリング精度を向上させるために、周波数ベースのクロスリージョン接続パターンを優先的に活用する。
フラッグシップアプリケーションとして脳波記録を解析し,潜在認知状態の周波数・接続性特異的マーカーを明らかにする。
論文 参考訳(メタデータ) (2025-06-28T12:02:01Z) - Deep Learning for Spectrum Prediction in Cognitive Radio Networks: State-of-the-Art, New Opportunities, and Challenges [9.499371206380546]
本稿では,新しい帯域内時間スペクトル予測フレームワークViLSTransTMを提案する。
このフレームワークは、視覚的自己注意と長期記憶を統合し、スペクトル利用パターンの局所的およびグローバル的長期的依存関係をキャプチャする。
論文 参考訳(メタデータ) (2024-12-13T04:36:05Z) - Graph-Homomorphic Perturbations for Private Decentralized Learning [64.26238893241322]
ローカルな見積もりの交換は、プライベートデータに基づくデータの推測を可能にする。
すべてのエージェントで独立して選択された摂動により、パフォーマンスが著しく低下する。
本稿では,特定のヌル空間条件に従って摂動を構成する代替スキームを提案する。
論文 参考訳(メタデータ) (2020-10-23T10:35:35Z)
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。