文献

J-GLOBAL ID：201902218053181353   整理番号：19A0517701

Bayes学習による協調スペクトルセンシングにおけるビザンチン防衛【JST・京大機械翻訳】

Byzantine Defense in Collaborative Spectrum Sensing via Bayesian Learning

著者 (4件)： Nie Guangming (College of Communications Engineering, PLA University of Science and Technology, Nanjing, China) ,  Ding Guoru (College of Communications Engineering, PLA University of Science and Technology, Nanjing, China) ,  Zhang Linyuan (College of Communications Engineering, PLA University of Science and Technology, Nanjing, China) ,  Wu Qihui (College of Electronic and Information Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 20089-20098  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 協調スペクトルセンシング(CSS)は,認知無線ネットワークにおける二次ユーザが,スペクトルホールを協調的に探索し,また,干渉されることから一次ユーザを保護することを可能にする。不幸にも,Byzantine攻撃として知られているスペクトル検出データ偽化(SSDF)攻撃の出現は,CSSの信頼性に重大な脅威をもたらす。Byzantine防衛に関する既存の研究の大部分は,2つのカテゴリーに分けることができる。ひとつは,現在のスペクトル検出データに基づく判断を直接作ることである。他方,他は,センサの評判を更新するために歴史的スペクトル検出データを使用する。研究の第一のカテゴリーは歴史的なスペクトル検出データを考慮しないが,研究の第二のカテゴリーの大部分は自然界で発見的である。本論文では,Bayes学習を導入して,Byzantine防御方式を設計した。まず第一に,著者らは,グランドトルーススペクトル状態が訓練のために利用できないという一つの実用的挑戦を考慮することによって,Bayesオフライン学習アルゴリズムを開発した。次に,センサの属性が時変である場合を考慮することにより,Bayesオンライン学習アルゴリズムを開発した。さらに,提案した防御アルゴリズムの性能を示すシミュレーションを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習アルゴリズム ,  *スペクトル ,  信頼性 ,  ネットワーク ,  センサ ,  アルゴリズム
準シソーラス用語： オンライン ,  オフライン ,  スペクトル検出 ,  コグニティブ無線 ,  *防衛 ,  *協調スペクトルセンシング ,  *Bayes学習 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

物質索引 (1件)： ビザンチン

タイトルに関連する用語 (4件)： Bayes学習 ,  協調スペクトルセンシング ,  ビザンチン ,  防衛