[論文レビュー] Jamming Bandits

SaiDhiraj Amuru, Cem Tekin+2 more|arXiv (Cornell University)|Nov 13, 2014

Wireless Communication Security Techniques参考文献 30被引用数 6

ひとこと要約

本論文は、送信電力、信号方式、オンオフ期間などの物理層パrameterを調整することで、動的環境においても高い効果と低消費電力で適応的かつ最適化されたジャミング戦略を実現する、新しいマルチアームバンディットフレームワークを用いた認知ジャマーを提案する。オンライン学習アルゴリズムを提案し、最適ジャミング戦略への収束が非線形的であることを保証し、高速な学習を実現する。

ABSTRACT

Can an intelligent jammer learn and adapt to unknown environments in an electronic warfare-type scenario? In this paper, we answer this question in the positive, by developing a cognitive jammer that adaptively and optimally disrupts the communication between a victim transmitter-receiver pair. We formalize the problem using a novel multi-armed bandit framework where the jammer can choose various physical layer parameters such as the signaling scheme, power level and the on-off/pulsing duration in an attempt to obtain power efficient jamming strategies. We first present novel online learning algorithms to maximize the jamming efficacy against static transmitter-receiver pairs and prove that our learning algorithm converges to the optimal (in terms of the error rate inflicted at the victim and the energy used) jamming strategy. Even more importantly, we prove that the rate of convergence to the optimal jamming strategy is sub-linear, i.e. the learning is fast in comparison to existing reinforcement learning algorithms, which is particularly important in dynamically changing wireless environments. Also, we characterize the performance of the proposed bandit-based learning algorithm against multiple static and adaptive transmitter-receiver pairs.

研究の動機と目的

• 未知の電子戦環境に適応して学習できる認知ジャマーの開発を目的とする。
• 物理層パrameter（送信電力、信号方式、オンオフ期間）をアームとするマルチアームバンディット問題としてジャミングを形式化すること。
• ジャミング効果を最大化するとともにエネルギー消費を最小化するオンライン学習アルゴリズムの設計。
• 最適戦略への収束速度が非線形であることを証明し、動的無線環境における高速な適応を保証すること。
• 静的および適応的送信機受信機ペアの両方に対して性能を評価すること。

提案手法

• 物理層パrameter（送信電力、信号方式、オンオフ期間）の組み合わせをアームとするマルチアームバンディット問題としてジャミング問題を形式化する。
• 最適ジャミング戦略を特定するために、探索と活用のバランスを取るオンライン学習アルゴリズムを設計する。
• レギュレート最小化手法を用い、誤り率とエネルギー効率の観点から最適戦略への収束を保証する。
• 最適戦略への収束速度が非線形であることを証明し、標準的な強化学習に比べて高速な学習を示す。
• フレームワークを拡張し、複数の静的および適応的送信機受信機ペアに対する性能評価を実施する。
• 変動する環境条件下でのバンディットベースの学習アルゴリズムの性能を特徴づける。

実験結果

リサーチクエスチョン

• RQ1 認知ジャマーは未知の無線環境で最適ジャミング戦略を学習できるか？
• RQ2 マルチアームバンディットフレームワークを用いたオンライン学習により、ジャマーはどの程度速く最適戦略に収束できるか？
• RQ3 提案されたアルゴリズムは、複数の静的および適応的送信機受信機ペアに対してどの程度の性能を示すか？
• RQ4 非線形収束速度は、動的無線環境における適応性をどのように向上させるか？
• RQ5 エネルギー効率の良いジャミングに最も効果的な物理層パrameterは何か？

主な発見

• 提案されたオンライン学習アルゴリズムは、非線形収束速度で最適ジャミング戦略に収束し、高速な学習を示している。
• アルゴリズムはエネルギー消費を最小限に抑えつつ高いジャミング効果を達成し、誤り率と電力効率の両方を最適化している。
• フレームワークは複数の静的送信機受信機ペアに一般化可能であり、一貫した性能向上を実現した。
• 被害者システムが送信パrameterを変更しても、アルゴリズムは高い性能を維持している。
• 非線形収束速度のおかげで、動的環境下では標準的な強化学習手法よりも迅速な適応が可能である。
• バンディットベースのアプローチにより、環境や被害者システムの挙動に関する事前知識がなくても、効果的で適応的なジャミングが可能である。