【摘 要】
:
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
论文部分内容阅读
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,且缺少对社交属性影响节点策略的数值化分析。此外一些研究采用经典博弈,超模博弈等博弈模型分析节点策略,而这些模型大多针对静态场景,忽略了网络中不同角色行动的先后次序。鉴于以上问题,本文从物理层安全中的协作通信技术出发,利用博弈论的知识分析社交属性对提升网络安全性的贡献。针对节点策略选择问题,本文将合法信道和协作节点模拟为交易双方,把协作通信过程转换为一个关于协作功率的买卖问题,并根据安全容量和支付报酬建立双方的收益函数。接着借助现有双层网络模型研究中的知识,将社交层中用户的社交强度值作为一个影响因子,对原先仅适用于单层网络的收益函数进行改写。通过改写后的收益函数,在数学层面上得到社交属性影响节点策略选择的公式化描述。完成上述有关博弈推导的准备工作之后,需要选择合适的博弈模型对协作通信进行建模。为了更好地描述合法信道与协作节点间的主从关系,本文选择斯塔克尔伯格博弈模型作为研究工具,从而有效地分析动态协作通信网络中各个节点的策略。本文主要考虑双层网络模型在协作干扰和协作中继这两种场景中的表现。首先,借助斯塔克尔伯格博弈的相关知识,利用被社交属性改写后的节点收益函数构建博弈模型并推导其均衡;接着对于存在多个中继者的协作场景,进一步地采用多跟随者斯塔克尔伯格模型,并引入EWS(Egalitarian Welfare Solution)算法解决不同中继者之间的相互竞争问题;最后在仿真实验中,利用收益函数和保密中断概率对模型表现进行评估。结果表明:在引入社交属性后,对于干扰场景,合法信道为了提高自身收益以及保证安全传输,将选择与它社交强度最高的节点协助干扰;对于中继场景,在合法信道与周围中继节点间平均社交强度更高(合法信道更受欢迎)时,更多的中继节点将参与中继转发。与此同时,合法信道和协作节点在斯塔克尔伯格博弈模型中能够获得更大的收益。因此,本文提出的基于斯塔克尔伯格博弈的双层网络模型协作通信可以有效的提高系统的安全性能。
其他文献
在我国,传媒行业的产业化发展越来越步入正规,市场化进程加快,核心竞争力对相关企业的意义越来越大。但是应用已久的传统的管理方式和制度已不适用于现如今传媒企业的发展需要,甚至会成为阻碍其竞争力提高的桎梏。考虑到市场大环境以及观众的实际需要,建立正确的投入产出概念,划定明确的节目项目边界,利用项目管理的措施进行规划和运营更有利于电视节目行业的发展。项目成本管理在我国工程类项目中已运用的比较成熟,但由于电
目的:研究抗血管内皮生长因子药物(抗VEGF药物)抑制角膜移植术后角膜新生血管(CNV)生长的有效性和安全性。方法:本研究纳入2020年1月至2020年12月,在济南市第二人民医院行穿透性角膜移植手术,术前诊断为病毒性角膜炎,接受角膜移植时植床四个象限均有CNV,术后常规复查时植片有CNV侵入的30例(30眼)患者作为研究对象。纳入研究的患者随机分为两组,对照组(15例)仅进行常规抗炎、抗排斥治疗
微生物-植物联合修复技术是当前广泛研究的焦点。植物内生细菌在调节植物营养吸收、生理机能、抵抗污染等方面具有重要生态功能,可促进宿主植物的生长以及提高植物镉耐性,内生细菌在联合其宿主植物修复镉污染土壤的方面已体现出了良好的修复潜力。本文以超积累植物孔雀草及其内生细菌为主要的研究对象,首先基于免培养法对孔雀草开展了内生细菌多样性的研究,然后将前期通过促生以及抗逆性实验筛选出的产碱杆菌(Alcalige
用户异常用电行为引起的非技术损失问题长期以来困扰着各国的电力公司,许多国家因此遭受了巨大的经济损失,学术界和工业界广泛关注对用户异常用电行为的高效、精准检测。深度学习算法可以用来检测这种异常用电行为,但其训练过程过于复杂,如今“机器学习即服务”成为一种新的趋势,服务提供商拥有一个已经训练好的神经网络模型,用户提供用电数据,服务提供商进行推理预测后将检测结果返回给检测方。考虑到服务提供商将会得到用户
传统雷达系统有研发成本高、硬件替换复杂、迭代开发周期过长等局限性。雷达数字化样机平台是采用软件化雷达的思想,来解决传统雷达开发周期长、组件难复用、运行模式单一的缺点。在平台中,所设计雷达系统可以有效地减少开发周期,同时还保证雷达的可靠性、可维护性。计算中间件在软件化雷达中起到了统一算法组件、加速运算、可复用、解耦合的效果。结构上,通过对雷达系统的分层,可以满足雷达系统快速开发、快速迭代、快递替换的
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