基于深度强化学习的语义通信多层干扰方法
密码学与安全
2026-01-21 v3
摘要
语义通信（SemCom）旨在传输任务相关信息，从而提高通信效率，但也将语义信息暴露给潜在的窃听风险。本文提出一种基于深度强化学习（DRL）的多层干扰方法，以增强语义通信系统在MIMO衰落信道下对抗窃听的安全性。该方法结合语义层干扰（通过编码与任务无关的文本实现）和物理层干扰（通过编码随机高斯噪声实现），这两种层次的干扰信号与任务相关的语义信息叠加，以保护传输的语义信息免受窃听。进一步引入深度确定性策略梯度（DDPG）算法，以动态设计和优化语义信息和多层干扰信号的预编码矩阵，旨在提高合法用户的图像重建质量，同时降低窃听者的性能。为联合训练语义通信模型和DDPG智能体，我们提出一种交替优化策略，两个模块迭代更新。实验结果表明，与基于加密的（ESCS）和基于编码干扰器的（EJ）基准方法相比，我们的方法在保持相当安全性的同时，将合法用户的峰值信噪比（PSNR）提高了约0.6 dB。
引用
@article{arxiv.2510.26610,
title = {A DRL-Empowered Multi-Level Jamming Approach for Secure Semantic Communication},
author = {Weixuan Chen and Qianqian Yang},
journal= {arXiv preprint arXiv:2510.26610},
year = {2026}
}