下一代移动通信网络的安全博弈研究

发布时间：2023-10-29 15:36

　　非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术可提高下一代移动网络的频谱资源利用率,而移动群智感知系统结合了云计算与物联网实现社会感知应用服务。然而,智能干扰攻击导致NOMA系统面临通信失败的风险,虚假感知攻击会降低移动群智感知应用的可靠性。因此,论文将从这两个应用研究下一代移动网络的安全机制。首先,论文研究对抗智能干扰机的NOMA无线网络传输机制,建立NOMA抗干扰分层Stackelberg博弈模型,并提出基于强化学习技术的基站抗干扰功率分配策略。揭示NOMA抗干扰攻防博弈的均衡策略,表明收发天线个数、基站发射功率等对NOMA抗干扰传输性能的影响。构建非对称信息的动态攻防博弈,提出基于Q学习的NOMA功率分配策略,无需预知干扰模型参数,并进一步结合基于模型的规划方法与迁移学习,提升最优策略的收敛速度。例如,在3个移动用户的NOMA无线网络中,相比基于Q学习的算法,所提算法将用户的信干噪比与系统传输容量分别提升了 16.1%和25.4%。随后,建立移动群智感知系统对抗虚假感知攻击的博弈模型,并构建基于深度强化学习的服务器支付激励机制,抑制自...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
常用符号对照表
第一章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 研究内容及意义
    1.4 论文结构安排
第二章 下一代移动网络关键技术及安全研究
    2.1 基于NOMA技术的无线网络及其物理层安全
    2.2 移动群智感知系统及其应用安全
    2.3 基于博弈论与强化学习的网络安全机制
    2.4 本章小结
第三章 NOMA无线网络抗敌意干扰研究
    3.1 系统模型
    3.2 静态NOMA抗干扰攻防博弈
        3.2.1. 博弈模型
        3.2.2. Stackelberg均衡分析
        3.2.3. 仿真性能分析
    3.3 基于强化学习的NOMA抗干扰策略
        3.3.1. 基于Q学习的功率分配策略
        3.3.2. 基于Transfer Dyna-Q学习的功率分配策略
    3.4 动态NOMA抗干扰攻防性能分析
    3.5 本章小结
第四章 移动群智感知应用的安全研究
    4.1 系统模型
    4.2 静态移动群智感知博弈
        4.2.1. 博弈模型
        4.2.2. Stackelberg均衡分析
        4.2.3. 仿真性能分析
    4.3 基于强化学习的安全移动群智感知激励机制
        4.3.1. 基于Q学习的服务器支付策略
        4.3.2. 基于DQN的服务器支付策略
    4.4 动态MCS博弈性能分析
    4.5 本章小结
第五章 总结和展望
    5.1 研究工作总结
    5.2 未来工作展望
参考文献
研究成果与项目参与情况
致谢



本文编号：3858367