【摘 要】
：
由于无线通信信道的开放性,物联网（Internet-of-Things,Io T）的传输媒介存在被窃听、截获甚至恶意攻击的安全隐患。传统基于密码学的加密技术因其复杂的运算机制和高昂的管理成本,在未来海量部署且性能受限的Io T场景下难以适从。而物理层安全作为基于信息论的安全手段,无需加密算法与密钥管理,利用合法信道和窃听信道的差异性设计编码方案,能在信号层面确保信息的安全传输。论文以毫米波大规模多
论文部分内容阅读
由于无线通信信道的开放性,物联网（Internet-of-Things,Io T）的传输媒介存在被窃听、截获甚至恶意攻击的安全隐患。传统基于密码学的加密技术因其复杂的运算机制和高昂的管理成本,在未来海量部署且性能受限的Io T场景下难以适从。而物理层安全作为基于信息论的安全手段,无需加密算法与密钥管理,利用合法信道和窃听信道的差异性设计编码方案,能在信号层面确保信息的安全传输。论文以毫米波大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统的物理层安全传输技术作为研究对象,系统地研究了其中两种新兴技术:混合预编码（Hybrid Precoding）和智能反射面（Intelligent Reflecting Surface,IRS）。混合预编码能够获得多天线波束增益以补偿毫米波的路径损耗,同时又能极大降低射频（Radio Frequency,RF）链路的功耗。而智能反射面可将信号反射绕过障碍,克服了毫米波易受遮挡的难题,并通过动态调整大量被动反射单元的相位与幅值,在增强合法用户处的信号强度的同时抑制非法用户窃听的信号。因此,为充分发挥系统性能,弱化甚至消灭信息安全隐患,针对智能反射面辅助的毫米波通信系统做物理层安全技术的研究,对保障未来通信安全至关重要。本论文的主要贡献可被归纳为以下几点:1.针对毫米波射频链路的高功耗问题,面向毫米波携能通信系统的下行链路,构建了基站混合预编码和IRS被动反射波束的联合优化框架,以最大化系统安全传输速率。首先,基于码本思想设计模拟预编码矩阵。再采用交替迭代算法,将数字预编码矩阵和IRS的模拟波束的联合优化问题拆分成两个带有非凸秩一约束的半正定规划（Semidefinite Programming,SDP）问题。最后利用罚函数加权的连续凸近似（Successive Convex Approximation,SCA）方法将原问题近似为凸问题,并通过迭代更新惩罚因子得到满足秩一条件的解。仿真结果表明IRS能够提高系统安全性,且所采用的混合预编码设计既充分利用了多天线增益,又大大降低了系统功耗。2.针对难以获取完全的窃听信道信息的情形,设计了毫米波多用户MIMO系统的上行链路中的主动波束与IRS被动反射波束的联合鲁棒优化方案,以最大化用户安全和速率（Sum Secrecy Rate）。首先利用广义S过程（Generalized S-Procedure）,将无穷个信道不确定度约束等效转化为有限数目的线性矩阵不等式组。然后交替优化用户的模拟预编码向量和IRS被动反射系数。仿真结果证实了所提算法在不完全信道状态信息的情形下仍然能够确保通信系统的安全传输。
其他文献
深度神经网络作为人工智能的核心近年来得到了前所未有的发展,在文本、语音、图像等方面均取得了优越的表现。同时,相关的安全问题也随之出现,其中自然语言处理领域的对抗样本问题受到了广泛关注。文本对抗样本即指通过对原始文本序列有目的地添加细微的扰动,导致深度神经网络模型对其误分类,使经过良好训练的模型产生错误的预测结果。在现实世界中,对抗文本广泛存在于钓鱼网站、邮件检测和情感评论中,并且对抗样本又都是多样
现实生活中频繁的信息交互依赖于社交系统的快速发展,这些复杂的社交系统在科学界被抽象化表示为具有特殊含义的社交网络;同时,这些社交网络又为网络科学的兴起和发展提供了原生动力。社团是社交网络的一个重要的结构属性,对网络中的社团结构的挖掘有助于科学家更好的理解社交系统的组成原理和功能,有利于挖掘网络中蕴藏的潜在信息,以及有助于对整个社交系统的发展趋势进行合理的预测。然而,人们频繁地参与社交活动必然会导致
矩阵计算在机器学习中有着重要作用。在机器学习算法中,最近邻查找、神经网络、多维图像处理和线性方程组求解等问题都涉及到矩阵计算。而算法的应用需要数据来支撑,在数据敏感的生物医疗、金融数据等领域,使用传统的集中式训练,将数据汇集至服务端,或者是客户端将明文查询指令发送至服务端,会泄露数据与查询隐私。因此,为了解决机器学习数据与模型隐私问题,需要使用隐私保护机器学习机制。在隐私保护机器学习中,安全矩阵乘
极化SAR图像地物分类任务是遥感数据分析中的热点话题。传统的极化SAR分类方法大多是基于目标的极化特性与数据的散射特性展开的。近年来,随着计算机技术的发展,深度学习在计算机视觉领域展现出了优异的性能。受此启发,研究人员将深度学习方法用于解决极化SAR地物分类问题,得到了较高的分类精度。然而将深度学习的方法应用于极化SAR数据时,面临着下面的问题。首先,不同于光学图像,极化SAR数据的表征向量往往维
随着全球化进程的加速,传统的地面网络难以覆盖所有区域,覆盖范围广、不受地域限制的卫星通信逐渐受到关注。随着微电子技术的飞速发展,微纳卫星越来越有吸引力,微纳卫星具有部署快、成本低、应用灵活等优点,通过将微纳卫星构建成一个网络,可以进一步发挥它们在执行各种空间任务方面的优势。但是,微纳卫星网络的空间环境复杂多变,卫星节点的星上资源有限,网络连通对于保证微纳卫星网络的正常运行至关重要,因此设计健壮的拓
协作通信作为物理层安全中的重要技术,已经成为目前解决无线通信安全问题的有效手段之一。同时随着社交网站和社交应用的蓬勃发展,物理通讯设备的拥有者之间存在着不同的社会关系无疑会对协作通信中参与者的策略造成影响。因此,将社交属性引入协作通信技术中对于提高系统的安全性能具有重要的应用意义。尽管已经有许多学者结合社交属性和物理层安全技术,给出具有社交意识的协作方案。但是这些方案中节点选择策略的理由不充分,且
随着信息化的高速发展和智能终端设备的全面普及,传统的身份认证方式已经无法满足人们对易用性和可扩展性的需求。与此同时,在人工智能和生物识别技术的不断进步下,基于生物特征的身份认证方式逐渐成为主流。其中基于声纹的身份认证系统在诸多特殊的应用场景下为用户带来了极大的便利。然而,由于声音易被复制和模仿,因此声纹认证系统仍然遭受着欺骗攻击的威胁,导致系统的安全性得不到保障,这无疑不利于声纹认证系统的更广泛应
云计算、物联网等信息技术的持续不断发展使得人们的生活变得更加方便快捷。然而,为了享受物联网带来的便利服务,人们需要相应地提供某些个人信息。因此,在互联网开放的时代下,由于某些原因,如未授权访问,用户信息泄露的风险日趋严重。大多应用场景一般基于公共的网络环境,各种实体如用户、攻击者等都参与其中,为了保证服务或信息的正确授权访问,验证实体的合法性是要实现的必需安全目标之一,而身份认证是实现该目标的重要
K均值（K-means）算法是一种研究如何将具有相似特征值的数据划分到相同组内的典型基于中心的聚类分析算法。它在模式识别、智能商业、图像分割和生物信息检索等诸多领域都发挥着巨大的作用。随着近年K-means算法在单数据集聚类中的成功应用,专家学者开始将关注点转移到如何将协议扩展到分布式多数据集下进行联合K-means聚类。多数据集下的联合聚类作为一种分布式下的机器学习范式,它的出现和发展为分布式数
随着互联网技术的发展和智能设备的普及,以微博为代表的社交应用不断涌现,越来越多的用户习惯于用社交网络发布或者获取信息。在使用社交网络的过程中,用户所共享的数据包含了丰富的信息量,包括个人身份、人际关系、位置轨迹、兴趣爱好、经济状况等,这些信息和用户的个人隐私安全问题密切相关。层出不尽的隐私泄露事件也证明了社交网络的确存在巨大的隐私安全问题。然而,社交网络中数据形式复杂,用户节点数量庞大,导致传统的