文献

J-GLOBAL ID：202002218820061349   整理番号：20A0831837

GaNベース学習を用いたDSAネットワークにおけるPUE攻撃に対する防御【JST・京大機械翻訳】

Defense against PUE Attacks in DSA Networks Using GAN Based Learning

著者 (4件)： Roy Debashri (University of Central Florida) ,  Mukherjee Tathagata (University of Alabama in Huntsville) ,  Chatterjee Mainak (University of Central Florida) ,  Pasiliao Eduardo (Air Force Research Laboratory)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GLOBECOM  ページ： 1-6  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 一次ユーザエミュレーション(PUE)攻撃は,動的スペクトルアクセスを実行するロバストな認知無線ネットワークの配置に対する重要な脅威を,既に密集したスペクトル帯の知的配置と利用のためにもたらすことができる。本論文では,PUE攻撃に向けた解決策を提示した。著者らは,2つの方法で一次ユーザ(PUs)をうまくエミュレートするために,2つの生成的なadversネット(GAN)ベースのモデルを提示する。著者らは,(i)PUの特徴空間の「事前」知識なしで,(ii)PUの伝達に関するいくつかの「事前」知識を有するスマート発電機モデルを提案した。また,2つの深いニューラルネットワークに基づく識別子モデルを提案し,PUと対応する発電機からエミュレーションされた一次ユーザ(EPU)を識別する。各GANモデルの発電機と識別器の両方は,反復的で逐次的なGAN訓練によりスマートターを得る。テストベッド評価を通して,識別子は,展開フェーズの間にGAN訓練なしで,PUE攻撃者の-50%を捕捉できることを示した。また,訓練段階の間のGANモデルの両方に対して100%の精度を観察した。最終的に,GAN訓練の後に,識別器は,ダンベルとスマート発電機モデルに対して,それぞれ98%と99.5%の精度を達成し,「まだ見られない」PUE攻撃者を識別した。Copyright 2020 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 ,  ニューラルネットワーク ,  スペクトルバンド ,  *ネットワーク ,  ロバスト性 ,  窒化ガリウム ,  エミュレーション ,  弁別器
準シソーラス用語： 攻撃者 ,  テストベッド ,  識別子 ,  特徴空間 ,  コグニティブ無線 ,  ダイナミックスペクトルアクセス , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： GaN ,  学習 ,  DSA ,  PUE ,  攻撃 ,  防御