基于CO-GNN的IRS协同NOMA通信中异构安全传输
密码学与安全
2025-06-09 v1 信息论
信号处理
math.IT
摘要
智能反射面(IRS)通过调整反射相位移来提升频谱效率，而非正交多用户接入(NOMA)增加系统容量。因此，IRS协同NOMA通信已引起广泛关注。然而，IRS的被动特性缺乏身份验证和安全协议，使其易受到因电磁信号传播和反射开放性而受到外部窃听。NOMA的本质多用户信号叠加也在用户配对期间引入内部窃听风险。本文研究了在无线网络中考虑异构资源配置的IRS协同NOMA系统中的安全传输，以缓解外部和内部窃听。为最大化合法用户的和保密率，我们提出了一种组合优化图神经网络(CO-GNN)方法，联合优化基站波束赋形、NOMA用户的功率分配以及IRS的相位移，以实现动态异构资源分配，从而在窃听者位于相同或异构链路时， enable 设计双链路或多链路安全传输。CO-GNN算法简化了复杂的数学问题解决过程，无需信道估计，提高了可扩展性。仿真结果表明，所提出的算法显著提高了系统的安全传输性能。
引用
@article{arxiv.2506.05381,
title = {Heterogeneous Secure Transmissions in IRS-Assisted NOMA Communications: CO-GNN Approach},
author = {Linlin Liang and Zongkai Tian and Haiyan Huang and Xiaoyan Li and Zhisheng Yin and Dehua Zhang and Nina Zhang and Wenchao Zhai},
journal= {arXiv preprint arXiv:2506.05381},
year = {2025}
}