面向 GenAI 时代的安全语义传输：一种基于扩散的框架
信息论
2025-05-12 v1 math.IT
摘要
语义通信由于其关注传输含义而非原始比特数据，面临独特的安全挑战，与传统通信系统不同。特别是，语义通信系统容易受到针对语义层的恶意攻击，这类攻击旨在理解或扭曲传输的隐私数据的本意含义。扩散模型作为一类生成式人工智能 (GenAI)，适用于确保数据安全。通过不断添加和随后去除噪声，扩散模型可以在存在未知噪声的情况下生成有意义的信息。本文提出一种基于扩散的框架来增强语义传输的安全性，包括窃听和干扰等攻击。具体而言，所提出的框架将人工噪声和自然信道噪声纳入扩散模型的前向过程中用于语义传输，而反向过程用于在合法接收方去除噪声。在窃听场景中，人工噪声是为防止语义窃听而设计的友好噪声；在干扰场景中，人工噪声是来自干扰者生成的恶意干扰，以破坏语义传输。案例研究表明，所提出的基于扩散的框架在保护语义传输方面具有前景。我们还整合了与所提出框架相关的几个广泛的研究方向。
引用
@article{arxiv.2505.05724,
title = {Towards Secure Semantic Transmission In the Era of GenAI: A Diffusion-based Framework},
author = {Boxiang He and Zihan Chen and Junshan Luo and Chuanhong Liu and Shilian Wang and Fanggang Wang and Tony Q. S. Quek},
journal= {arXiv preprint arXiv:2505.05724},
year = {2025}
}