使用深度强化学习的 QoS 与干扰感知无线网络
网络与互联网体系结构
2019-10-15 v1 机器学习
摘要
在遭受外部窃听与干扰攻击的对抗性无线网络中，考虑了服务质量（QoS）与干扰感知通信问题。为保障针对干扰的鲁棒通信，开发了一种干扰感知路由协议，使节点能够避开干扰攻击造成的通信空洞。随后，提出了一种基于深度强化学习的分布式协作框架，使节点能够评估网络状况，并做出由深度学习驱动的分布式实时决策：参与数据通信、防御网络免受干扰与窃听攻击，或干扰其他传输。目标是最大化包含吞吐量、能效、延迟与安全指标的网络性能。仿真结果表明，所提干扰感知路由方法对干扰具有鲁棒性；当优先考虑吞吐量时，所提深度强化学习方法相比固定节点角色的基准策略可实现吞吐量显著（达三倍）提升。
引用
@article{arxiv.1910.05766,
title = {QoS and Jamming-Aware Wireless Networking Using Deep Reinforcement Learning},
author = {Nof Abuzainab and Tugba Erpek and Kemal Davaslioglu and Yalin E. Sagduyu and Yi Shi and Sharon J. Mackey and Mitesh Patel and Frank Panettieri and Muhammad A. Qureshi and Volkan Isler and Aylin Yener},
journal= {arXiv preprint arXiv:1910.05766},
year = {2019}
}