工业物联网中嵌入了数百万工业设备,对于实时工业无线信息物理系统中的无线控制,无线通信安全是一个重要的问题,传统基于密码的安全机制因为其基于计算的安全性能限制和高的复杂度,不能满足工控的无线安全的需求。工业实时控制需要低复杂度、轻重量的安全措施,以降低通信的处理时延,提高通信效率,实现超可靠、高安全和低延迟通信。物理层安全技术主要利用无线信道的物理特性（例如,衰落、噪声和干扰）来实现保密消息安全传输,不依赖上层密钥,可以实现低时延、高安全的需求。面对无线网络对高安全、高速大容量、低延迟的传输需求,我们需要寻找更多更好的方法,实现低复杂度、高安全的物理层安全传输。智能反射表面（Intelligent Reflecting Surface,IRS）可以实现智能可控的无线信道传播环境。通过控制信号施加给电磁单元的可调元件,电磁场的幅度、相位、极化和频率等参数都可以被IRS动态地调控,由此无线环境实现智能可重构。IRS辅助无线网络通过智能调节无线传播信道的不可控电磁波,实现某些可定制的电磁响应,提高期望信号功率或抑制同信道干扰,以实现频谱和能量效率的最大化,和速率最大化,通过重构合法通信者、潜在窃听者信道,可以实现物理层安全保密率最大化等。本文研究基于智能反射表面的用户随机移动物理层安全增强技术,无线网络具有的一大特点是移动,但是物理层安全研究在关于用户移动对物理特征安全性能的影响考虑很少。目前本课题组的研究表明:随机移动用户在稳态运动状态下,相对静态均匀分布的用户随机移动,拥有更高的物理层安全容量特性,但是已有研究成果仅限于单天线系统。本文的主要贡献和创新点总结如下:1.提出了一种基于人工噪声辅助多天线传输的随机移动用户物理层安全模型。针对随机移动用户有可能提高安全容量的特性,提出了一种基于人工噪声辅助多天线传输的随机移动用户物理层安全模型,研究了MISO网络中具有随机路点移动的用户对无线网络物理层安全性能的影响。对于基于人工噪声的多天线安全传输的随机移动用户,通过比较移动用户和平均静态场景的安全性能,仿真结果验证了随机路点移动用户可以获得比平均静态用户更好的安全性能。进一步分析了发射功率分配、路径损耗、天线数和目标安全率等因素对安全性的影响。2.提出了一种基于边缘计算和智能节点选择的随机移动用户协作干扰安全方案。研究了随机移动用户在人工噪声和协作干扰（Cooperative Jamming,CJ）方案辅助下的多天线系统的场景。推导了具有CJ方案的随机移动用户的遍历保密容量,并比较了无CJ方案和CJ方案的安全能源效率。在工厂进行了测试验证,验证了实际工业无线网络中移动用户的物理层安全性。此外,利用边缘计算节点对CJ节点进行智能选择,推导出遍历保密容量,使得其安全能源效率最大化。3.提出了一种基于智能反射表面的工业无线网络（IWN）中抵御窃听攻击的物理层方案。针对工业无线网络,研究了一种基于智能反射表面（Intelligent Reflecting Surface,IRS）的IWN网络中抵御窃听攻击的物理层方案。在工业场景中,IRS具有低功耗、低环境辐射和改善合法合作伙伴信道条件的优势。IRS相移的优化使用户的平均保密速率最大化,考虑了SISO系统和MISO系统中IRS辅助合法用户,针对信道信息未知统计信息已知,提高合法用户可达的保密速率,优化发射波束成形和IRS相移矩阵,为IWN提供了一种低成本、高安全性的传输解决方案。此外,所提方案在不知道窃听者Eve准确信道信息的情况下也能很好地工作,更适合实际应用场景。4.提出了一种联合协作干扰和智能反射表面反射系数优化方案。提出了一种在边缘计算条件下结合IRS的协作干扰物理层安全模型。在IRS辅助安全协作系统中,提出了一种联合协作干扰和IRS反射系数优化方案。将深度强化学习（Deep Reinforcement Learning,DRL）技术集成到物联网IRS辅助无线通信系统的优化设计中,解决大维度优化问题。提供了一种边缘设备,以加快任务处理和IRS单元实时控制。为克服非凸优化问题在动态环境下难以求解的困难,将安全能源效率最大化的非凸优化问题建模为DRL过程。对于协作干扰模型,采用深度确定性策略梯（Deep Deterministic Policy Gradient,DDPG）学习方法实现最优协作干扰策略。该算法利用边缘计算设备作为代理来研究环境,并基于奖励学习近似解。智能体构建组合优化策略,构建全局模型,找出关联子问题,优于基准方案。与以往采用交替优化策略的算法不同,本文提出的算法将发射波束形成矩阵和相移作为DRL算法的输出。