[论文解读] Data-Aided Secure Massive MIMO Transmission with Active Eavesdropping

Yongpeng Wu, Chao-Kai Wen+4 more|arXiv (Cornell University)|Jan 22, 2018

Wireless Communication Security Techniques参考文献 14被引用 3

一句话总结

本文提出了一种在主动窃听环境下针对TDD多小区系统的大规模MIMO安全传输方案，其中窃听者同时干扰上行导频和数据阶段。通过利用上行导频和数据进行信道估计，该方案利用由于功率差异导致的合法用户与窃听者之间在大天线规模下的渐近特征子空间分离，实现了有效的预编码，即使在窃听者信号功率超过合法用户的情况下，也能在强主动攻击下获得显著的保密速率增益。

ABSTRACT

In this paper, we study the design of secure communication for time division duplexing multi-cell multi-user massive multiple-input multiple-output (MIMO) systems with active eavesdropping. We assume that the eavesdropper actively attacks the uplink pilot transmission and the uplink data transmission before eavesdropping the downlink data transmission phase of the desired users. We exploit both the received pilots and data signals for uplink channel estimation. We show analytically that when the number of transmit antennas and the length of the data vector both tend to infinity, the signals of the desired user and the eavesdropper lie in different eigenspaces of the received signal matrix at the base station if their signal powers are different. This finding reveals that decreasing (instead of increasing) the desire user's signal power might be an effective approach to combat a strong active attack from an eavesdropper. Inspired by this result, we propose a data-aided secure downlink transmission scheme and derive an asymptotic achievable secrecy sum-rate expression for the proposed design. Numerical results indicate that under strong active attacks, the proposed design achieves significant secrecy rate gains compared to the conventional design employing matched filter precoding and artificial noise generation.

研究动机与目标

• 解决主动窃听者在TDD大规模MIMO系统中同时干扰上行训练和数据传输所构成的关键安全威胁。
• 克服传统物理层安全设计在强导频污染攻击下失效的局限性。
• 设计一种安全的下行传输方案，利用上行数据和导频信号以提升信道估计和保密速率性能。
• 理论分析并证明在大天线规模下，信号功率差异可导致合法用户与窃听者之间的特征子空间分离。
• 推导所提出的大数据辅助安全传输方案的渐近可实现保密和速率表达式。

提出的方法

• 基站利用上行导频和上行数据信号进行信道估计，增强了对窃听者干扰的鲁棒性。
• 该方案利用了当发射天线数和数据符号数趋于无穷大时，由于信号功率差异，合法用户与窃听者信号位于上行接收信号矩阵不同特征子空间中的事实。
• 提出了一种大数据辅助信道估计方法，即使在主动窃听下也能提高估计精度，从而支持更优的预编码设计。
• 对保密和速率进行了渐近分析，推导出一个闭式表达式，考虑了窃听者干扰和信道估计误差的影响。
• 基于估计的信道设计预编码以最大化保密速率，并在强主动攻击下评估性能。

实验结果

研究问题

• RQ1 当窃听者主动干扰上行导频和数据传输时，大规模MIMO系统中合法用户与窃听者之间能否实现特征子空间分离？
• RQ2 在强主动窃听环境下，利用上行数据进行信道估计是否能提升保密性能？
• RQ3 当发射天线数和数据符号数均趋于无穷大时，在主动窃听下保密和速率的渐近行为如何？
• RQ4 在强窃听者存在时，降低合法用户的信号功率是否能提升安全性，这与传统直觉相反？
• RQ5 在强主动攻击下，所提出的大数据辅助方案与传统匹配滤波预编码和人工噪声方案相比表现如何？

主要发现

• 当发射天线数和数据符号数均趋于无穷大时，由于信号功率差异，合法用户与窃听者信号位于上行接收信号矩阵的不同特征子空间中。
• 通过利用这种特征子空间分离，所提方案在强主动攻击下相比传统设计实现了显著的保密速率增益。
• 推导出渐近可实现保密和速率表达式，表明随着天线数增加，窃听者有效信道增益趋于零。
• 分析表明，合法用户与窃听者之间的功率差距越大，子空间分离越明显，因此在某些情况下降低合法用户的信号功率反而有益。
• 数值结果证实，在强主动窃听下，所提出的大数据辅助方案在保密速率方面优于传统匹配滤波预编码和人工噪声方案。