利用物理传感器数据保障物联网通信——基于联邦多智能体深度强化学习的图层级安全
人工智能
2023-02-27 v1
摘要
物联网（IoT）设备常通过数字无线信道传输物理传感器数据。传统的基于物理层安全（PLS）的密码学方法依赖准确的信道估计和密钥生成的信息交换，这不可逆转地将密钥质量与数字信道估计质量绑定。近来，我们提出了一种称为图层级安全（GLS）的新概念，其中数字密钥源自物理传感器读数。合法用户之间的传感器读数通过共同的背景基础设施环境（例如，共同的水分配网络或电网）相关联。GLS面临的挑战是如何实现分布式密钥生成。本文提出一种联邦多智能体深度强化学习辅助的分布式密钥生成方案（FD2K），其充分利用物理动态的共同特征在合法用户间建立密钥。我们首次给出了GLS结合联邦学习的初步实验结果，在密钥一致率（KAR）和密钥随机性方面取得了可观的安全性能。
引用
@article{arxiv.2302.12592,
title = {Securing IoT Communication using Physical Sensor Data -- Graph Layer Security with Federated Multi-Agent Deep Reinforcement Learning},
author = {Liang Wang and Zhuangkun Wei and Weisi Guo},
journal= {arXiv preprint arXiv:2302.12592},
year = {2023}
}
备注
6 pages