[论文解读] Intelligent Reflecting Surface for Wireless Communication Security and Privacy

Shihao Yan, Xiaobo Zhou+3 more|arXiv (Cornell University)|Mar 30, 2021

Advanced Wireless Communication Technologies参考文献 15被引用 22

一句话总结

本文提出利用智能反射面（IRS）通过利用无源波束成形以最大化保密速率并实现隐蔽性，从而增强6G无线网络中的物理层安全性和隐蔽通信。提出了一种基于深度神经网络和场景图像的无源信道估计算法，实现无需导频信号的隐蔽CSI获取，显著提升了IRS辅助系统中的隐私与安全性。

ABSTRACT

Intelligent reflection surface (IRS) is emerging as a promising technique for future wireless communications. Considering its excellent capability in customizing the channel conditions via energy-focusing and energy-nulling, it is an ideal technique for enhancing wireless communication security and privacy, through the theories of physical layer security and covert communications, respectively. In this article, we first present some results on applying IRS to improve the average secrecy rate in wiretap channels, to enable perfect communication covertness, and to deliberately create extra randomness in wireless propagations for hiding active wireless transmissions. Then, we identify multiple challenges for future research to fully unlock the benefits offered by IRS in the context of physical layer security and covert communications. With the aid of extensive numerical studies, we demonstrate the necessity of designing the amplitudes of the IRS elements in wireless communications with the consideration of security and privacy, where the optimal values are not always $1$ as commonly adopted in the literature. Furthermore, we reveal the tradeoff between the achievable secrecy performance and the estimation accuracy of the IRS's channel state information (CSI) at both the legitimate and malicious users, which presents the fundamental resource allocation challenge in the context of IRS-aided physical layer security. Finally, a passive channel estimation methodology exploiting deep neural networks and scene images is discussed as a potential solution to enabling CSI availability without utilizing resource-hungry pilots. This methodology serves as a visible pathway to significantly improving the covert communication rate in IRS-aided wireless networks.

研究动机与目标

• 探索智能反射面（IRS）在提升6G网络物理层安全性和隐蔽通信方面的潜力。
• 解决IRS辅助系统中安全且私密的信道状态信息（CSI）获取挑战。
• 提出一种基于深度神经网络和场景图像的无源信道估计算法，避免基于导频的训练并增强隐蔽性。
• 识别IRS辅助物理层安全中的关键研究挑战，包括CSI估计算法精度与资源分配之间的权衡。
• 证明在优化IRS反射幅度时，超越传统假设的值1可显著提升保密性与隐私性。

提出的方法

• 利用IRS通过调节反射元件的相位偏移和幅度，控制无线传播，以增强合法用户处的信号功率并抑制窃听者处的信号功率。
• 应用物理层安全理论，通过IRS波束成形在窃听信道中最大化保密速率，实现对合法用户的波束相长合并与对窃听者的相消干扰。
• 提出一种基于深度神经网络（DNN）的无源信道估计算法框架，通过多台摄像机捕获的场景图像推断CSI。
• 采用两阶段DNN架构：卷积层从图像中提取环境特征（如物体位置、材质等），融合网络在中心单元重建CSI。
• 提出一种联邦学习结构，使分布式摄像头可在不传输原始图像数据的前提下协同训练并共享模型权重，从而保护隐私。
• 证明最优IRS反射幅度并非始终为1，挑战了以往文献中的常见假设，并表明通过优化幅度可显著提升保密性能。

实验结果

研究问题

• RQ1 如何利用IRS提升窃听信道中的平均保密速率？
• RQ2 在IRS辅助系统中，合法用户与窃听用户之间的保密性能与CSI估计算法精度之间存在何种权衡？
• RQ3 基于场景图像与深度学习的无源信道估计算法能否在不使用导频信号的情况下实现隐蔽CSI获取？
• RQ4 优化IRS反射幅度（超越1）对保密性与隐蔽性性能有何影响？
• RQ5 如何将基于机器学习的信道估计算法集成到IRS辅助的隐蔽通信系统中以增强隐私性？

主要发现

• 最优IRS反射幅度并非始终为1，通过调节其值可显著提升保密速率，挑战了以往研究中的普遍假设。
• 在合法用户与窃听用户之间，可实现的保密性能与CSI估计算法精度之间存在权衡，凸显了根本性的资源分配挑战。
• 基于深度神经网络与场景图像的无源信道估计算法可在无需导频信号的情况下实现隐蔽CSI获取，支持完全静默通信。
• 所提出的基于DNN的方法能够高精度地从环境图像中重建CSI，支持安全且私密的系统运行。
• 联邦学习的集成使分布式摄像头能够协同训练DNN，同时保护隐私并减少数据传输量。
• 大量数值结果证实，所提出的无源估计算法在IRS辅助网络中显著提升了隐蔽通信速率。