面向多环境下 FDD-OFDM 系统基于深度学习的物理层密钥生成赋能
信息论
2024-02-19 v2 密码学与安全
机器学习
math.IT
摘要
基于深度学习的物理层密钥生成（PKG）已被用于克服频分双工（FDD）正交频分复用（OFDM）系统中不完美的上行/下行信道互易性。然而，现有工作集中于特定环境中用户的密钥生成，其中训练样本与测试样本服从相同分布，这对真实应用而言不现实。本文将多环境下的 PKG 问题公式化为一个基于学习的问题，通过从已知环境学习数据与模型等知识，在多个新环境中快速高效地生成密钥。具体而言，我们提出基于深度迁移学习（DTL）和元学习的信道特征映射算法用于密钥生成。两种算法使用不同训练方法在已知环境中预训练模型，然后快速适应并部署模型到新环境。仿真与实验结果表明，相较于无适应方法，DTL 与元学习算法均能提升生成密钥的性能。此外，复杂度分析表明，元学习算法能以更低代价取得优于 DTL 算法的性能。
引用
@article{arxiv.2211.03065,
title = {Enabling Deep Learning-based Physical-layer Secret Key Generation for FDD-OFDM Systems in Multi-Environments},
author = {Xinwei Zhang and Guyue Li and Junqing Zhang and Linning Peng and Aiqun Hu and Xianbin Wang},
journal= {arXiv preprint arXiv:2211.03065},
year = {2024}
}
备注
Accepted by IEEE TVT