基于图神经网络的无线安全通信带宽分配
信息论
2023-12-27 v1 密码学与安全
机器学习
math.IT
摘要
本文设计了一种图神经网络（GNN），以在存在窃听者的情况下改善多个合法无线用户向基站传输时的带宽分配。为了提高隐私并防止窃听攻击，我们提出了一种用户调度算法，用于调度满足瞬时最小保密速率约束的用户。在此基础上，我们使用三种算法优化带宽分配，即迭代搜索（IvS）、基于 GNN 的监督学习（GNN-SL）和基于 GNN 的无监督学习（GNN-USL）。我们给出了计算复杂性分析，表明与受带宽块大小限制的 IvS 相比，GNN-SL 和 GNN-USL 可以更高效。数值仿真结果强调，我们提出的基于 GNN 的资源分配能够实现与 IvS 相当的总保密速率，且计算复杂性显著降低。此外，我们观察到 GNN 方法对窃听者信道状态信息的不确定性具有更强的鲁棒性，特别是与最佳信道分配方案相比。
引用
@article{arxiv.2312.14958,
title = {Graph Neural Network-Based Bandwidth Allocation for Secure Wireless Communications},
author = {Xin Hao and Phee Lep Yeoh and Yuhong Liu and Changyang She and Branka Vucetic and Yonghui Li},
journal= {arXiv preprint arXiv:2312.14958},
year = {2023}
}