[論文レビュー] Directional Modulation: A Secure Solution to 5G and Beyond Mobile Networks

Feng Shu, Yaolu Qin+7 more|arXiv (Cornell University)|Mar 27, 2018

Millimeter-Wave Propagation and Modeling参考文献 12被引用数 7

ひとこと要約

本稿では、5G以降のネットワーク向けに、到来方向（DOA）推定に基づくビームフォーミングおよび人工ノイズ（AN）投影を活用して機密メッセージを保護する、方向性モデュレーション（DM）を安全な送信技術として提案する。機械学習を活用したDOA測定手法を導入し、3次元の安全かつ正確な送信へとDMを拡張することで、高い機密性レートと移動する盗聴者に対する耐性を達成した。

ABSTRACT

Directional modulation (DM), as an efficient secure transmission way, offers security through its directive property and is suitable for line-of-propagation (LoP) channels such as millimeter wave (mmWave) massive multiple-input multiple-output (MIMO), satellite communication, unmanned aerial vehicle (UAV), and smart transportation. If the direction angle of the desired received is known, the desired channel gain vector is obtainable. Thus, in advance, the DM transmitter knows the values of directional angles of desired user and eavesdropper, or their direction of arrival (DOAs) because the beamforming vector of confidential messages and artificial noise (AN) projection matrix is mainly determined by directional angles of desired user and eavesdropper. For a DM transceiver, working as a receiver, the first step is to measure the DOAs of desired user and eavesdropper. Then, in the second step, using the measured DOAs, the beamforming vector of confidential messages and AN projection matrix is designed. In this paper, we describe the DOA measurement methods, power allocation, and beamforming in DM networks. A machine learning-based DOA measurement method is proposed to make a substantial SR performance gain compared to single-snapshot measurement without machine learning for a given null-space projection beamforming scheme. However, for a conventional DM network, there still exists a serious secure issue: the eavesdropper moves inside the main beam of the desired user and may intercept the confidential messages intended to the desired users because the beamforming vector of confidential messages and AN projection matrix are only angle-dependence. To address this problem, we present a new concept of secure and precise transmission, where the transmit waveform has two-dimensional even three-dimensional dependence by using DM, random frequency selection, and phase alignment at DM transmitter.

研究の動機と目的

• 従来のDMでは、望ましいユーザーのメインビーム内に存在する盗聴者が機密メッセージを傍受できるというセキュリティ上の脆弱性を是正すること。
• 特にノイズが多い環境や1スナップショット条件下でのビームフォーミングおよびAN投影のためのDOA推定精度を向上させるために、機械学習を活用すること。
• 方位角、仰角、距離を用いた3次元ビームフォーミングを実現することで、2次元（2D）の方向性モデュレーションを3次元（3D）の安全な送信へと拡張すること。
• HAD（ハダマード）ベースのビームフォーミングとランダムサブキャリア選択を提案することで、大規模MIMOシステムにおけるハードウェアの複雑さと回路コストを低減すること。
• ドップラー周波数シフトや multipath 効果といった移動環境における課題を克服し、視線遮断（NLOS）や動的環境へのDMの適用範囲を拡大すること。

提案手法

• ベイジアン学習に基づく機械学習を用いて、DOA推定の精度を向上させ、特に1スナップショット条件下での誤差を低減する。
• 望ましいユーザーおよび盗聴者のDOA推定値に基づいて、ビームフォーミングベクトルおよびAN投影行列を設計し、機密性レートを最大化する。
• 従来の2次元DMを方位角、仰角、距離の次元でモデル化することで、3次元極座標におけるビームフォーミングおよびAN投影へと拡張する。
• OFDMベースのランダムサブキャリア選択（RSS）を実装することで、送信機におけるRFチェーン数をNから1に削減し、ハードウェアの複雑さを低減する。
• 大規模MIMOシステムにおける回路コストと複雑さを低減するため、HAD（ハダマール）ビームフォーミング構造を採用する。
• FFT/IFFT演算を用いた周波数ドメインにおける位相整合技術を適用することで、OFDMベースのDMシステムにおける効率的なビームフォーミングを実現する。

実験結果

リサーチクエスチョン

• RQ1 機械学習は、低SNR環境や1スナップショット条件下での方向性モデュレーションにおけるDOA推定精度をどのように向上させ得るか？
• RQ2 固定ビームフォーミング方式における機械学習ベースのDOA推定は、従来手法に比べてどの程度の性能向上を達成するか？
• RQ3 方位角と距離を含む3次元環境において、2次元の方向性モデュレーションをどのように3次元へと拡張し、実際の3次元環境での安全な送信を実現できるか？
• RQ4 マルチユーザー、ブロードキャスト、マルチキャストDMシナリオにおける安全かつ正確な送信を実装する際の課題と解決策は何か？
• RQ5 移動環境および視線遮断環境において、ドップラー周波数シフトやmultipath効果にどのように耐性を持たせ、方向性モデュレーションを強化できるか？

主な発見

• 提案された機械学習ベースのDOA測定手法は、MLを用いない従来の1スナップショット手法に比べ、顕著な機密性レート（SR）の向上を達成した。
• 方位角、仰角、距離におけるビームフォーミングを有する3次元方向性モデュレーションは、望ましいユーザーにのみ強いSINRピークを形成し、他のすべての方向への信号を抑制した。
• OFDMベースのランダムサブキャリア選択（RSS）の適用により、RFチェーン数をNから1に削減し、ハードウェアコストと複雑さを顕著に低減した。
• HADベースのビームフォーミングにより、特に大規模MIMOシステムにおいて回路コストと複雑さが顕著に低減された。
• 安全かつ正確な送信モデルは、望ましいユーザーのメインビーム内を移動する盗聴者に対しても、信号の傍受を効果的に防止した。
• 多径効果により人工ノイズが正当なユーザーに収束する現象（AN集約と呼ばれる）が発生し、豊富な散乱環境におけるDMの主要な課題であることが特定された。