基于深度学习的下一代频谱共享在干扰攻击下的时效性

我们考虑在下一代频谱共享场景中进行时敏感信息的通信，其中使用深度学习分类器来识别传输尝试。虽然发射方寻求在不干扰占据用户的前提下寻找使用频谱的机会，但对手使用另一个深度学习分类器来检测并干扰信号，受限于平均功率预算。我们考虑下一代通信的时效性目标，研究在不同频谱共享和干扰场景下的信息年龄（AoI），分析了在无线信道和干扰效应下，发射控制、传输概率和信道利用率的影响。所得信噪声加干扰比（SINR）决定了频谱共享的成功与否，同时也影响对手检测的准确性，使干扰者更容易成功识别并干扰通信。我们的结果表明，在具有时效性目标的下一代频谱共享中，受限功率的对手会因信道占用率升高而减小其干扰功率，从而显示了频谱共享在抗干扰方面的优势。