没有合适的资源?快使用搜索试试~ 我知道了~
无人机辅助物理层安全下的保密性能优化.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 57 浏览量
2023-02-23
20:01:41
上传
评论
收藏 711KB DOCX 举报
温馨提示
试读
13页
无人机辅助物理层安全下的保密性能优化.docx
资源推荐
资源详情
资源评论
1. 引言
随着 5G,6G 通信技术发展,促进物联网的应用越来越广泛,如车联网、智能医疗、智
能家居、智能城市、工业 4.0 等,引发了新一轮产业、经济、社会发展浪潮。然而,由于
物联网允许具有计算、通信和感知能力的事物之间无处不在的连接,不仅使节点对通信安
全性能要求提升,也导致攻击者更容易发现攻击目标,发起各种被动和主动攻击
[1]
。因
此,通信安全是影响物联网应用的关键因素之一,引起业界广泛关注。
为解决通信安全问题,在物联网中使用传统密钥加密技术时,由于物联网大规模分布
式异构层次结构,增加了密钥分发和管理的开销,同时这些开销也增加了网络中低成本、
低能耗设备的负担。物联网特性使得结合物理层安全的安全机制更适合物联网
[2]
。物理层
安全借助无线通信信道的随机性、广播性,实现信息安全传输,无须加密和解密。因此,
物理层安全可以作为传统密钥加密方法的额外保护机制,减少密钥分发和管理开销,为物
联网通信提供更高效的保护。
随着 5G 和 6G 通信技术发展,物联网攻击者也会不断更新和增强自身能力。例如全
双工技术可获得双倍信道容量,并减少反馈延时和端到端延迟;当窃听者工作于全双工模
式时,可同时被动窃听和主动干扰
[3,4]
,即通过向合法接收机发射干扰信号,以降低合法用
户信道容量,进而提高窃听性能。尽管被动窃听和主动干扰的同时实施,为通信安全带来
更大威胁,但主动干扰信号为估计窃听者位置提供了新思路,窃听者位置估计有助于获得
窃听信道容量。例如窃听者不是完全被动的,即偶尔主动发射信号,该信号被合法接收机
收集可用于估计窃听者位置
[5]
。然而,窃听者为隐藏自己,主动发射的信号频次和强度都
会有限,进而增加了对其位置估计的难度。为此,本文针对主动发射干扰信号的窃听者,
利用辅助合法用户通信的中继节点作为锚点,结合贝叶斯测距和最小二乘法迭代的方法,
估计窃听者位置信息,提高位置估计的准确性。
在获得窃听者位置的基础上,通过向窃听者发射人工噪声以降低窃听信道容量,是提
升物理层安全性能的有效方法
[6,7]
。传统的人工噪声发射机固定部署在地面,无法适应物联
网中设备的移动性,尤其在窃听设备位置发生变化时,无法实施有效干扰。近年来,无人
机由于其部署灵活、可移动性强,易动态跟踪地面设备的移动,且空中与地面之间视距信
道的存在,可形成比地面信号强度更强的干扰信号,因而可用作空中人工噪声发射机
[8]
。
无人机作为人工噪声发射机,为保证对窃听信道干扰效果、获得最大保密容量,需优化飞
行轨迹以找到发射人工噪声的最佳位置。无人机轨迹优化通常为非凸问题,可将其近似转
换为凸问题,借助凸优化工具求解
[9]
;或借助块坐标下降迭代算法求解次优解
[10]
。近年
来,机器学习在解决无线通信网络优化问题中取得显著进步。作为机器学习算法之一的强
化学习,因其动态决策特性,在无人机辅助的无线通信场景下,实现了无人机部署、轨迹
规划和资源分配的优化
[11,12]
。类似地,在无人机辅助物理层安全通信中,如文献[13]借助
深度强化学习算法,优化了作为干扰发射机的无人机飞行轨迹,保证了保密速率最大。此
外,在进行无人机轨迹优化时,无人机能量也是不容忽视的约束条件。由于尺寸和重量受
限,无人机机载能量有限;而机载能量大部分消耗在产生飞机前行的动力上
[12]
,这意味着
采用强化学习算法如 Q-learning 对飞行轨迹优化过程中,无人机为找到最优位置而执行多
次位置移动,消耗的能量不可忽略。
综上,针对物联网中带有主动攻击的全双工窃听者,本文利用无人机辅助发射人工噪
声,提升系统物理层安全性能。同时,本文在估计窃听者位置的基础上,提出基于 Q-
learning 的无人机轨迹优化算法,获得最大系统保密容量。此外,为探究轨迹优化中无人机
能量消耗因素的影响,在约束轨迹优化能耗的同时,分析了无人机离线和在线学习下的能
耗与系统保密性能。
2. 系统模型
2.1 系统描述
假设在某个大规模集体活动场景中,如体育赛事或演唱会,如图 1 所示,远程基站发
射机(Alice)与活动现场内合法接收机(Bob)之间没有直接链路,需借助 KK 个中继
R={R1,R2,⋯,RK}R={R1,R2,⋯,RK}进行通信,Alice、中继、Bob 之间通信链路称为主信道。
K 个中继和 Bob 工作于半双工模式,均配置单根天线;现场内窃听者 Eve 工作于全双工模
式,配置两根天线包括同时同频工作的发射天线和接收天线,具有向主信道发射干扰信号
和窃听主信道信息功能,Eve 能根据需要移动位置,以保证最佳干扰或窃听性能。Eve 位
置移动采用随机游走模型
[14]
,也称为马尔科夫移动模型,该模型多用于描述一般性随机移
动;Eve 移动方向服从均匀分布,分别为前、后、左、右;移动速度范围为
[0,cmax][0,cmax],其中 cmaxcmax 为最大移动速度。为避免因 Eve 连续移动而远离 Bob 失
去窃听意义,限定 Eve 移动范围在 Bob 为圆心的圆环内,圆环半径限定在[l1,l2][l1,l2]。空
中部署发射机(Jammer,即无人机)发射人工噪声干扰 Alice 到 Eve 的窃听信道,以降低窃听
信道容量。
图 1 系统模型
下载: 全尺寸图片 幻灯片
考虑 3 维空间坐标,假设 Alice,Bob,Eve 和 KK 个中继处于同一平面,其中 Alice 和
Bob 位置坐标分别为(0,0,0)(0,0,0)和(xB,yB,0)(xB,yB,0),第 ℓℓ 个中继坐标为
(xRℓ,yRℓ,0)(xRℓ,yRℓ,0),ℓ∈Ω={1,2,⋯,K}ℓ∈Ω={1,2,⋯,K}。Eve 和 Jammer 位置随时间改
变,则在 t 时刻 Eve 坐标为(xE(t),yE(t),0)(xE(t),yE(t),0),Jammer 坐标为
(xJ(t),yJ(t),h(t))(xJ(t),yJ(t),h(t))。假设地面节点间信道为独立准静态瑞利衰落,即信道之间
相互独立,同一信道的信道增益在一个时隙内保持不变,则地面节点 O 到 P 的信道系数
hOPhOP 服从瑞利分布;根据瑞利分布与指数分布关系可知,信道增益|hOP|2|hOP|2 服从指
数分布,设其均值为 gOPgOP;为简化符号说明,统一用 O 代表发射节点 Alice,
Eve, RℓRℓ,记为 O∈{A, E, Rℓ}O∈{A, E, Rℓ},P 代表接收节点 Bob, Eve, RℓRℓ,记为
P∈{B, E, Rℓ}P∈{B, E, Rℓ},并且除了表示 Eve 收发天线之间的信道系数 hEEhEE 时 O=P,
其他情况 O≠P。(xO,yO,0)(xO,yO,0)和(xP,yP,0)(xP,yP,0)分别表示节点 O 和 P 的坐标,O 与
P 间距离为 lOP=(xO−xP)2+(yO−yP)2−−−−−−−−−−−−−−−−−−−√lOP=(xO−xP)2+(yO−yP)2;
Jammer 与节点 P 间距离为
lJP(t)=(xP−xJ(t))2+(yP−yJ(t))2+h(t)2−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√lJP(t)=(xP−xJ(t
))2+(yP−yJ(t))2+h(t)2。由于 Eve 工作于全双工,其发射信号会引起残留自干扰,假设发射
天线到接收天线的自干扰系数为 ρρ, 0<ρ≤10<ρ≤1, ρ=0ρ=0 表示无自干扰。
地面节点 O 和 P 通信时,节点 P 接收功率是发射信号经大尺度衰减和小尺度衰落后
得到的,即
[15]
POP=POK−10l−∂1OP|hOP|2POP=POK0−1lOP−∂1|hOP|2
(1)
其中,POPO 为节点 O 发射功率;K0=(4πfc/c)2K0=(4πfc/4πfccc)2,c 为光速,fcfc 为
载波频率;l−∂1OPlOP−∂1 表示信号大尺度衰减,∂1∂1 为地面路径损耗系数。 Jammer 与地
剩余12页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3684
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功