基于对抗机器学习与可重构智能表面的隐蔽通信
信号处理
2021-12-22 v1 机器学习
网络与互联网体系结构
机器学习
摘要
在软件定义无线系统中，可重构智能表面（RIS）通过将大规模天线演变为天线表面，依靠单元阵列来控制信号的散射与反射特性，从而减轻传播损耗与多径衰减，改善覆盖与频谱效率。本文研究了存在RIS时的隐蔽通信。在RIS增强的正在进行传输的情况下，预期接收方与窃听者各自尝试使用其深度神经网络（DNN）分类器来检测该传输。RIS交互向量的设计平衡了两个（可能冲突）目标：将发射信号聚焦到接收方，并使发射信号远离窃听者。为增强隐蔽通信，在发送端向信号添加对抗扰动，以欺骗窃听者的分类器，同时将对接收方的影响保持在较低水平。不同网络拓扑下的结果表明，对抗扰动与RIS交互向量可联合设计，在提高接收方信号检测准确率的同时降低窃听者检测准确率，从而实现隐蔽通信。
引用
@article{arxiv.2112.11414,
title = {Covert Communications via Adversarial Machine Learning and Reconfigurable Intelligent Surfaces},
author = {Brian Kim and Tugba Erpek and Yalin E. Sagduyu and Sennur Ulukus},
journal= {arXiv preprint arXiv:2112.11414},
year = {2021}
}