基于量子学习的非随机叠加编码用于 5G URLLC 安全无线接入
信号处理
2021-01-26 v1 密码学与安全
摘要
超可靠低时延通信（URLLC）中的安全无线接入是 5G 安全的关键方面，因其对免授权配置的潜在支持而日益重要。在免授权 URLLC 中，为共享相同时频资源的不同用户精确分配不同导频资源，对于下一代节点 B（gNB）在接入冲突下准确识别这些用户并维持可靠数据传输所需的精确信道估计至关重要。然而，该过程易遭受针对导频的攻击。我们在本文中提出一种基于量子学习的非随机叠加编码方法，对多维资源上的导频进行编解码，从而可快速学习并精确消除攻击的不确定性。特别地，上行接入的多用户导频被编码为可区分的子载波激活模式（SAP），gNB 通过量子学习网络（QLN）联合设计攻击模式检测与用户活动检测，从观测到的 SAP（接入用户 SAP 的叠加）中解码出感兴趣的导频。我们发现不确定性在于对来自攻击者的码字数字的识别过程，其总可建模为黑盒模型，并通过量子学习算法与量子电路解决。推导了新颖的失效概率解析闭式表达式，以刻画该短包传输 URLLC 系统的可靠性。仿真表明，尽管存在导频攻击，我们的方法仍能带来超高可靠性与低时延。
引用
@article{arxiv.2101.09712,
title = {Quantum Learning Based Nonrandom Superimposed Coding for Secure Wireless Access in 5G URLLC},
author = {Dongyang Xu and Pinyi Ren},
journal= {arXiv preprint arXiv:2101.09712},
year = {2021}
}
备注
Accepted by IEEE TIFS