[论文解读] Sensing-Assisted Eavesdropper Estimation: An ISAC Breakthrough in Physical Layer Security

Nanchi Su, Fan Liu+1 more|arXiv (Cornell University)|Oct 15, 2022

Radar Systems and Signal Processing被引用 4

一句话总结

本文提出了一种感知辅助的物理层安全方案，用于融合感知与通信（ISAC）系统。基站利用ISAC的感知能力，通过CAML技术估计窃听者（Eve）的方位，并联合优化人工噪声与波 beamforming，以在最小化估计误差（Cramér-Rao Bound）的同时最大化保密速率。该方法实现了感知精度与安全性能之间的相互增强，在窃听信道知识不完全的情况下仍能实现更高的保密速率。

ABSTRACT

In this paper, we investigate the sensing-aided physical layer security (PLS) towards Integrated Sensing and Communication (ISAC) systems. A well-known limitation of PLS is the need to have information about potential eavesdroppers (Eves). The sensing functionality of ISAC offers an enabling role here, by estimating the directions of potential Eves to inform PLS. In our approach, the ISAC base station (BS) firstly emits an omni-directional waveform to search for potential Eves' directions by employing the combined Capon and approximate maximum likelihood (CAML) technique. Using the resulting information about potential Eves, we formulate secrecy rate expressions, that are a function of the Eves' estimation accuracy. We then formulate a weighted optimization problem to simultaneously maximize the secrecy rate and minimize the CRB with the aid of the artificial noise (AN), and minimize the CRB of targets'/Eves' estimation. By taking the possible estimation errors into account, we enforce a beampattern constraint with a wide main beam covering all possible directions of Eves. This implicates that security needs to be enforced in all these directions. By improving estimation accuracy, the sensing and security functionalities provide mutual benefits, resulting in improvement of the mutual performances with every iteration of the optimization, until convergence. Our results avail of these mutual benefits and reveal the usefulness of sensing as an enabler for practical PLS.

研究动机与目标

• 为解决物理层安全（PLS）中的关键挑战：即通常需要窃听者（Eve）位置的先验知识，但在实际中往往不可用。
• 利用ISAC系统的感知能力，在无先验知识的情况下估计潜在Eve的方位与幅度，从而实现主动的安全设计。
• 在总功率预算约束下，联合优化人工噪声与波束成形，以最大化保密速率并最小化Eve估计的Cramér-Rao Bound（CRB）。
• 在感知与安全功能之间建立反馈回路，其中估计精度的提升可增强保密性能，反之亦然。
• 通过加权优化框架，展示ISAC系统中感知与安全之间的相互增益。

提出的方法

• ISAC基站首先发送全向波形，利用Capon与近似最大似然（CAML）技术联合估计方向与幅度，以检测潜在窃听者。
• 构建加权优化问题，同时最大化保密速率并最小化Eve估计的Cramér-Rao Bound（CRB），并施加总发射功率约束及覆盖所有潜在Eve方向的宽主瓣约束。
• 通过宽主瓣波束图约束，确保在所有潜在窃听方向上均实现安全防护，以应对估计不确定性。
• 设计人工噪声（AN）以抑制Eve的信号接收，同时保持合法用户的服务质量，AN协方差矩阵通过加权问题进行优化。
• 通过迭代求解优化问题，每次迭代均提升估计精度（降低CRB）与保密速率，直至收敛。
• 该方法显式考虑了信道不确定性，并采用具有强视 Line-of-Sight（LoS）分量的Rician衰落模型，以反映真实的毫米波ISAC环境。

实验结果

研究问题

• RQ1 ISAC的感知能力是否可被用于在无先验知识的情况下估计窃听者方位，从而实现主动的物理层安全？
• RQ2 在ISAC系统中，受限于功率条件下，感知精度（以CRB衡量）与保密速率之间的权衡如何体现？
• RQ3 在多用户ISAC设置中，Eve位置不确定性（角度区间Δθ）对保密速率与估计精度有何影响？
• RQ4 合法用户与窃听者之间的角度分离度如何影响保密速率与估计精度之间的性能权衡？
• RQ5 人工噪声与波束成形的联合优化在多大程度上可同时提升ISAC系统中的感知与安全性能？

主要发现

• 即使在无Eve信道先验信息的情况下，所提算法在保密速率方面仍优于基准方法，且在更高功率预算下性能增益更显著。
• 在低功率预算下，保密速率随角度不确定性（Δθ）增加而先上升（因Eve信噪比降低），但随后因功率不足以覆盖更广角度区域而下降。
• 在低功率预算（如25 dBm）下，当角度不确定性超过5度时，优化问题变得不可行，凸显了功率与估计精度的关键作用。
• 在25 dBm功率预算下，当合法用户数量超过五个时，无法保证保密速率，表明系统存在可扩展性限制。
• 随着保密速率提升，Eve角度估计的CRB也随之增加，证实了安全与感知精度之间存在固有的权衡关系。
• 当合法用户与Eve处于同一角度（-20°）时，系统在四次迭代后达到最低CRB，表明在复杂场景下具有收敛性与鲁棒性。