基于深度图强化学习的无人机多用户安全通信
信号处理
2025-04-03 v1 信息论
math.IT
摘要
尽管带有灵活移动性的无人机（UAV）被设想用于提升无线通信中的物理层安全性，但高网络动态环境下的高效安全设计备受挑战。传统方法从优化角度推导，往往计算复杂，尤其是当同时考虑UAV场景下不同尺度因素（如部署与传输）时。本文提出一种深度图强化学习框架，解决UAV-enabled多用户安全通信问题。具体而言，我们将安全波束设计重新阐释为图神经网络（GNN）学习任务，通过消息传递机制管理用户间的相互干扰。随后，采用软演化者-评论家强化学习获取UAV部署方案，利用GNN-based安全波束指导部署策略更新。仿真结果表明，所提方法实现了接近最优的安全性能，显著提升了策略确定效率。此外，深度图强化学习框架提供了可扩展的解决方案，适用于各种网络场景和配置，为UAV-enabled通信的信息安全奠定了稳健基础。
引用
@article{arxiv.2504.01446,
title = {Deep Graph Reinforcement Learning for UAV-Enabled Multi-User Secure Communications},
author = {Xiao Tang and Kexin Zhao and Chao Shen and Qinghe Du and Yichen Wang and Dusit Niyato and Zhu Han},
journal= {arXiv preprint arXiv:2504.01446},
year = {2025}
}
备注
Accepted at IEEE TMC