空天地一体化网络中基于无标签深度学习的保密接入选择
系统与控制
2023-08-29 v1 密码学与安全
机器学习
系统与控制
摘要
在空天地一体化网络（SAGIN）中，固有的开放性与广泛广播覆盖使这些网络面临显著的窃听威胁。考虑到 SAGIN 中多层接入网络因频谱共享而产生的固有同信道干扰，可利用其辅助异构传输间的物理层安全。然而，由于异构资源与不同窃听模型，制定面向保密的接入策略颇具挑战。本文针对多模用户可接入卫星、无人机或基站且存在窃听者的场景，研究保密接入选择。特别地，我们提出一种基于 Q 网络近似的深度学习方法，用于选择最优接入策略以最大化总和保密速率。同时，功率优化也通过无监督学习方法进行，以提升保密性能。值得注意的是，两个神经网络均由无监督学习与 Q 网络近似训练，二者均为无需已知最优解作为标签的无标签方法。数值结果验证了所提功率优化方法与接入策略的有效性，带来了增强的安全传输性能。
引用
@article{arxiv.2308.14348,
title = {Label-free Deep Learning Driven Secure Access Selection in Space-Air-Ground Integrated Networks},
author = {Zhaowei Wang and Zhisheng Yin and Xiucheng Wang and Nan Cheng and Yuan Zhang and Tom H. Luan},
journal= {arXiv preprint arXiv:2308.14348},
year = {2023}
}