用于无线自组织网络低检测概率的联邦图学习
机器学习
2023-06-05 v1 密码学与安全
网络与互联网体系结构
摘要
低检测概率（LPD）近来已成为增强无线网络隐私与安全的一种手段。与现有无线安全技术不同，LPD 度量的目标是隐藏无线通信的整体存在，而非保护用户传输的信息。受 LPD 通信启发，本文研究一种基于图神经网络的隐私保护分布式框架，以最小化无线自组织网络整体的可检测性，并预测网络中每个节点的最优通信区域，使其在与外部行为者保持不被检测的情况下进行通信。我们还通过两种性能度量（即平均绝对误差与中位绝对误差）证明了所提方法的有效性。
引用
@article{arxiv.2306.01143,
title = {Federated Graph Learning for Low Probability of Detection in Wireless Ad-Hoc Networks},
author = {Sivaram Krishnan and Jihong Park and Subhash Sagar and Gregory Sherman and Benjamin Campbell and Jinho Choi},
journal= {arXiv preprint arXiv:2306.01143},
year = {2023}
}