针对移动敌手的集成感知与通信安全：基于深度强化学习的斯塔克尔伯格博弈
信息论
2025-09-23 v2 信号处理
math.IT
摘要
本文研究了一种面对移动主动敌对目标（即恶意无人机，M-UAV）的安全集成感知与通信（ISAC）系统，后者采用全双工基站具备感知能力。我们构建了博弈论模型，以提升通信安全性、雷达感知精度和能源效率。合法网络与移动敌手的互动被建模为非合作性斯塔克尔伯格博弈（NSG），其中M-UAV作为领袖，战略性地调整其轨迹以提高窃听能力，同时节省能源并规避障碍物。作出回应后，合法网络作为跟随者，动态分配资源以最小化网络能耗，同时确保所需的保密速率和感知性能。为解决这一困难问题，我们提出一种低复杂度的成功凸近似（SCA）方法，用于网络资源优化，结合深度强化学习（DRL）算法进行自适应M-UAV轨迹规划，通过顺序互动和学习。仿真结果表明，所提方法在处理6G动态ISAC系统的安全挑战方面有效，即在缓解敌方截获网络信号能力的同时，实现斯塔克尔伯格均衡并保持稳健性能。
引用
@article{arxiv.2501.02271,
title = {Securing Integrated Sensing and Communication Against a Mobile Adversary: A Stackelberg Game with Deep Reinforcement Learning},
author = {Milad Tatar Mamaghani and Xiangyun Zhou and Nan Yang and A. Lee Swindlehurst},
journal= {arXiv preprint arXiv:2501.02271},
year = {2025}
}
备注
Accepted for publication in IEEE Journal on Selected Areas in Communications, Special Issue on Recent Advances in Integrated Sensing and Communications