[论文解读] 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 6

一句话总结

本文提出了一种认知干扰器，采用新颖的多臂老虎机框架，通过调节功率、调制方式和通断时长等物理层参数，自适应地优化干扰策略。该研究提出在线学习算法，以亚线性收敛速度逼近最优干扰策略，在动态环境中实现高效能与低能耗的干扰。

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.

研究动机与目标

• 开发一种能够学习并适应未知电子战环境的认知干扰器。
• 将干扰问题形式化为多臂老虎机问题，其中臂对应物理层参数的组合（功率、调制方式、通断时长）。
• 设计在线学习算法，以最大化干扰效能并最小化能耗。
• 证明收敛速率呈亚线性，确保在动态无线环境中快速适应。
• 在静态与自适应收发器对之间评估性能。

提出的方法

• 将干扰问题形式化为多臂老虎机问题，其中臂对应物理层参数（功率、调制方式、通断时长）的组合。
• 设计在线学习算法，平衡探索与利用，以识别最优干扰策略。
• 采用后悔最小化技术，确保在误码率和能效方面收敛至最优策略。
• 证明收敛至最优策略的速率为亚线性，表明其学习速度优于标准强化学习方法。
• 将框架扩展至评估多个静态与自适应收发器对的性能。
• 在不同环境条件下表征基于老虎机的学习算法性能。

实验结果

研究问题

• RQ1 认知干扰器是否能在未知无线环境中学习到最优干扰策略？
• RQ2 在多臂老虎机框架下，使用在线学习方法，干扰器收敛至最优策略的速度如何？
• RQ3 所提算法在多个静态与自适应收发器对上的性能表现如何？
• RQ4 亚线性收敛速率如何提升在动态无线环境中的适应能力？
• RQ5 哪些物理层参数在实现节能干扰方面最为有效？

主要发现

• 所提出的在线学习算法以亚线性收敛速率逼近最优干扰策略，表明学习速度快。
• 该算法在最小化能耗的同时实现高干扰效能，同时优化误码率与功率效率。
• 该框架成功推广至多个静态收发器对，性能提升稳定一致。
• 即使目标系统调整其传输参数，该算法仍保持优异性能。
• 亚线性收敛速率确保在动态环境中比标准强化学习方法具有更快的适应速度。
• 基于老虎机的方法可在无需预先了解环境或目标系统行为的情况下，实现有效且自适应的干扰。