面向认知信息物理系统的自适应多智能体物理层安全框架

认知信息物理系统（CCPSs）能够依据变化的环境进行感知与行为适应，是未来无线网络中新型应用形态。随着机器学习算法的进步，可提供最佳性能的传输方案能被用于维持由具备自主决策机制的 CCPS 智能体组成的可靠网络，其中各智能体间的交互从服务质量、安全性与成本维度建模。本工作中，首先给出网络效用作为可靠性度量，其为 CCPS 智能体个体效用值的加权和。个体效用通过将服务质量（QoS）、安全性与成本维度按由个性化用户需求确定的比例混合计算。通过改变比例，CCPS 网络可针对下一代无线网络的不同应用进行调谐。随后，我们提出一种安全传输策略选择（STPS）机制，利用马尔可夫决策过程（MDP）最大化网络效用。在 STPS 中，CCPS 网络联合选择性能最佳的物理层安全策略及所选安全传输策略的参数，以适应变化的环境影响。所提 STPS 通过强化学习（RL）实现，考量其实时决策机制，使智能体能在变化环境中自动决定提供最佳效用的策略。