基于深度学习的物理层安全性能预测

王爱文 ¹唐杰 ¹罗洪宇 ¹文红 ¹PIN Han-Ho ²Shih Yu Chang²

扫码查看

作者信息

1. 电子科技大学四川 611731
2. University of Waterloo Ontario,Canada N2L 3G1
折叠

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.

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

引用本文复制引用

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

段落导航