[논문 리뷰] Securing V2I Communications in 5G and Beyond Wireless System Using Gradient Ascent Approach

Neji Mensi, Danda B. Rawat외 1명|arXiv (Cornell University)|2021. 02. 01.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 7인용 수 8

한 줄 요약

이 논문은 5G 및 그 이상의 네트워크에서 V2I 통신을 위한 기계학습 기반 물리계층 보안 기법을 제안하며, 기울기 상승법을 사용해 Sub-6 GHz 및 mmWave 대역에서 전송기 및 수신기의 프리코더와 컨비버를 최적화한다. 우호적인 잡음 장치를 도입하고 전송 전력 조절을 통해 기밀 용량을 최대화하여, 목표 기밀 속도 제약 조건 하에 mmWave 대역에서 더 빠른 수렴 속도를 보이며 더 높은 성능을 달성한다.

ABSTRACT

The 5G and beyond wireless systems, instead of being just an extension of 4G, are regarded as `network of networks' which is expected to integrate heterogeneous wireless networks including wireless vehicular networks (WVN). The WVN promises to solve many issues such as reducing road accidents, traffic jams, fuel consumption and commute time, which is subject to various security issues such as eavesdropping, where attackers attempt to overhear the secret transmitted signal passively (which makes the detection/defense very difficult). In this work, our objective is to implement a security scheme by improving the secrecy capacity in Sub-6 GHz and millimeter-wave (mmWave) bands. Vehicle-to-Infrastructure (V2I) for 5G and beyond wireless network. Unlike previous works where the secrecy capacity is increased by randomly augmenting the source power or setting the system combiners/precoders, in this work we employ the Gradient Ascent algorithm to search for the best combiners/precoders that maximize the secrecy rate performance. We further present two different optimization scenarios: fixed and variable transmission power.

연구 동기 및 목표

• 5G 및 그 이상의 무선 네트워크 내 V2I 통신에서 도청 공격이라는 핵심 과제를 해결하기 위해.
• 고속 데이터 전송을 위한 핵심인 Sub-6 GHz 및 밀리미터파(mmWave) 대역에서 기밀 용량을 향상시키기 위해.
• 이전 방법들이 무작위 전력 조절이나 고정된 컨비버/프리코더에 의존하는 한계를 극복하기 위해.
• 기울기 상승을 사용한 적응형 최적화 프레임워크를 개발하여 최대 기밀 속도를 달성하기 위해 동적으로 프리코더와 컨비버를 조정하기 위해.
• 특정 QoS 요구 조건을 충족하기 위해 고정 및 가변 소스 전력 시나리오 모두에서 성능을 평가하기 위해.

제안 방법

• 기울기 상승 알고리즘을 사용해 기지국(BS) 및 잡음 장치의 프리코더와 정상 수신기 및 도청자에서의 컨비버를 반복적으로 최적화한다.
• 채널 상태 정보와 범프링 벡터에 의존하는 비용 함수로 기밀 용량 최대화 문제를 수립한다.
• Sub-6 GHz 및 mmWave 전파 환경의 현실적인 모델링을 위해 복소수 가우시안 분포 채널 행렬을 사용한다.
• 수렴 진동을 감지할 경우 학습 단계를 반으로 줄이는 동적 단계 크기 적응 전략을 구현한다.
• 고정 소스 전력과 적응형 전력 제어를 위한 두 가지 별도 알고리즘을 도입하여 목표 기밀 용량 임계치를 충족시킨다.
• 모든 디지털 프리코딩 및 컨비버 설계를 지원하는 아날로그 범프링을 적용하여 차량 네트워크에서 대규모 MIMO 유사 성능을 달성한다.

실험 결과

연구 질문

• RQ1 기울기 상승 기반의 프리코더 및 컨비버 최적화가 Sub-6 GHz 및 mmWave V2I 시스템의 기밀 용량에 미치는 영향은 무엇인가?
• RQ2 제안된 방법이 무작위 또는 고정된 컨비버/프리코더 구성과 비교해 수렴 특성과 성능 향상은 어떠한가?
• RQ3 우호적인 잡음 장치의 포함이 Sub-6 GHz 및 mmWave 대역에서의 기밀 속도에 어떤 영향을 미치는가?
• RQ4 목표 기밀 용량을 달성하기 위해 수렴 속도와 필요한 전송 전력 사이의 상호 교환 관계는 어떠한가?
• RQ5 기밀 용량과 에너지 효율성 측면에서 고정 및 가변 소스 전력 시나리오 간의 시스템 성능은 어떻게 다름을 보이는가?

주요 결과

• 고정 전력 조건 하에서 Sub-6 GHz 및 mmWave 대역 모두에서 400회 반복 이내에 기밀 용량이 최대값으로 수렴하며, mmWave에서는 Sub-6 GHz 대비 2.4 bps/Hz를 달성한다.
• mmWave 시스템은 목표 기밀 용량 4 bps/Hz에 212회 사이클 내에 도달하지만, Sub-6 GHz 시스템은 272회 사이클이 필요하여 mmWave에서 더 빠른 수렴 속도를 보인다.
• 목표 기밀 용량 4 bps/Hz를 달성하기 위해 Sub-6 GHz에서는 전력이 10 dB에서 15.62 dB로, mmWave에서는 17 dB로 증가하며, 두 대역 모두에서 중간 정도의 전력 증가를 보인다.
• 최적화된 도청자 컨비버를 가진 기밀 용량의 상한선은 학습 과정 전반에 걸쳐 SVD 기반 이론적 상한선 이하에 유지된다.
• 제안된 기울기 상승 방법은 특히 수렴 단계에서 무작위 컨비버 및 프리코더 구성보다 뛰어난 성능을 보이며, 최적화가 진행될수록 성능 격차가 점점 커진다.
• 동적 단계 크기 적응 메커니즘이 수축 진동 발생 시 단계 크기를 줄여 안정적인 수렴을 보장하며, 최적화 중 강건성을 향상시킨다.