最大化基于 OFDM 的多跳水声传感器网络的保密速率

本文考虑一种针对多跳水声传感器网络（UnderWater Acoustic Sensor Network, UWASN）的窃听攻击，该网络由 $M+1$ 个水下传感器组成，这些传感器通过正交频分复用（Orthogonal Frequency Division Multiplexing, OFDM）方案将其感知数据上报至水面上的汇聚节点。此外，由于附近存在一个被动恶意节点，传感器节点与汇聚节点之间的多跳水声（UWA）信道在每一跳都易受窃听攻击。因此，手头的问题是如何进行（辅助/中继）节点选择（用于将数据转发至下一跳）以及功率分配（跨 OFDM 子载波），以使得每一跳的保密速率最大化。为此，该节点选择与功率分配（NSPA）问题被表述为一个混合二元整数优化规划，随后通过分解方法并利用对偶理论及 Karush-Kuhn-Tucker 条件求得最优解。我们还提供了一种计算高效的次优解，将其重新表述为混合整数线性规划并通过分解与几何方法求解。此外，当 UWA 信道为多径（而非仅视距）时，我们研究了一种额外的基于机器学习的方法来解决 NSPA 问题。最后，我们计算了所有三种方案（最优、次优和基于学习）的计算复杂度，并进行了大量仿真，将其性能相互比较并与基线方案（对所有子载波分配相等功率并进行基于深度的节点选择）对比。简而言之，本工作通过资源分配为协议栈物理层提供了信息论安全性的各种（最优与次优）方法。