機械学習がスペクトル共有セキュリティに出会うとき:方法論と課題【JST・京大機械翻訳】

Wang Qun; Sun Haijian; Hu Rose Qingyang; Bhuyan Arupjyoti

プレプリント

J-GLOBAL ID：202202212125134566 整理番号：22P0026914

機械学習がスペクトル共有セキュリティに出会うとき:方法論と課題【JST・京大機械翻訳】

When Machine Learning Meets Spectrum Sharing Security: Methodologies and Challenges

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年01月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

インターネット接続システムの指数関数的成長は,効率的なスペクトル共有(SS)ソリューションを必要とするスペクトル不足問題のような多数の課題を生み出した。複雑な動的SSシステムは,異なる潜在的セキュリティとプライバシー問題にさらされ,保護メカニズムが適応的で,信頼でき,スケーラブルである。機械学習(ML)ベースの方法は,それらの問題に取り組むために頻繁に提案されている。本論文では,MLベースのSS法,最も重要なセキュリティ問題,および対応する防御機構の最近の発展の包括的な調査を提供する。特に,MLベースコグニティブ無線ネットワーク(CRN),MLベースデータベース支援SSネットワーク,MLベースLTE-Uネットワーク,MLベース環境後方散乱ネットワーク,およびその他のMLベースSSソリューションを含む,様々な重要な側面のためのSS通信システムの性能を改善するための最先端の方法論を詳述した。また,一次ユーザエミュレーション(PUE)攻撃,スペクトルセンシングデータフィルタリング(SSDF)攻撃,ジャミング攻撃,盗聴攻撃,およびプライバシー問題を含む,MLアルゴリズムに基づく物理層および対応する防御戦略からのセキュリティ問題を提示した。最後に,MLベースSSに対する未解決課題に関する広範な議論も与えた。この包括的なレビューは,ますます複雑なSSとそれらのセキュリティ問題に対処するための新たなMLの可能性を探るための将来の研究の基盤を提供することを意図した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

データ保護 , 計算機網

, , ,

前のページに戻る