基于深度强化学习的认知物联网资源分配的策略研究

作者：丘航丁; 林瑞全; 刘佳鑫; 鲍家旺; 徐浩东

来源：信息安全与通信保密, 2023, (03): 82-92.

• 认知物联网
• 能量采集
• 物理层安全
• 深度强化学习

能量采集（Energy Harvesting,EH）和认知无线电（Cognitive Radio,CR）技术的组合可为物联网设备提供持续的能量，并有效地提高物联网系统的频谱效率。然而，在衬底模式下的认知物联网（Cognitive Radio IoT,CIoT）系统中，物联网设备之间的无线通信常常遭受窃听攻击。针对存在多窃听者条件下的CIoT系统无线通信场景，以保密速率作为系统保密性能指标。为解决所提的资源分配问题，将长短期记忆网络（Long-Term Memory Network,LSTM）、生成对抗网络（Generative Adversarial Networks,GAN）和深度强化学习（Deep Reinforcement Learning,DRL）算法相结合，设计一种联合能量采集时间和传输功率分配方案。数值仿真表明，与其他基准算法相比，所提方法能够有效地提高系统保密性能。

• 单位
  福州大学; 自动化学院