多天线数据驱动窃听攻击与符号级预编码对策
信号处理
2020-11-10 v1 信息论
math.IT
摘要
在本工作中，我们考虑存在多天线窃听者（Eve）时，采用信道编码的无线多用户（MU）多输入单输出（MISO）系统中的安全通信。在此设定下，我们利用机器学习（ML）工具，通过使用预编码导频符号作为训练数据来设计软解码与硬解码方案。在此背景下，我们提出用于解码器的ML框架，使Eve能够以高准确度确定所传输的消息。我们由此表明，即便采用如符号级预编码（SLP）等相对安全的传输技术，MU-MISO系统仍易受此类窃听攻击。为 counter 此攻击，我们提出两种新颖的基于SLP的方案，通过阻碍学习过程来提高Eve处的误码率。我们设计这两种增强安全的方案以满足关于复杂度、安全性和功耗的不同要求。仿真结果验证了基于ML的窃听攻击及对策，并表明安全性的提升是在不影响预期用户处解码性能的情况下实现的。
引用
@article{arxiv.2011.03750,
title = {Multi-Antenna Data-Driven Eavesdropping Attacks and Symbol-Level Precoding Countermeasures},
author = {Abderrahmane Mayouche and Wallace A. Martins and Christos G. Tsinos and Symeon Chatzinotas and Björn Ottersten},
journal= {arXiv preprint arXiv:2011.03750},
year = {2020}
}
备注
Submitted to the IEEE Transactions on Information Forensics and Security