基于深度学习的物理层安全性能预测

扫码查看

原文链接

万方数据
维普

中文摘要：本论文提出了一种基于合法信道的实时变化准确预测窃听者信道强度,从而增强通信安全性的创新方法.利用长短时记忆(LSTM)神经网络,训练一个模型来预测信道的实时振幅.通过网络中已知非授权用户的位置信息以及授权用户的信道信息来建立一个LSTM模型,并利用该模型来预测非授权用户的信道强度.实验证明,这种方法可以准确预测窃听信道的强度,从而防止非授权用户获取通信活动信息,提升了通信安全性.

作者：

王爱文、唐杰、罗洪宇、文红、PIN Han-Ho、Shih Yu Chang

展开 >

作者单位：

电子科技大学四川 611731

University of Waterloo Ontario,Canada N2L 3G1

关键词：

未授权用户合法信道实时预测物理层安全信道增益

出版年：

2024

网络安全技术与应用

北京大学出版社

网络安全技术与应用

CHSSCD

影响因子：0.417

ISSN：1009-6833

年,卷(期)：2024.(9)