基于深度学习的信息高保密率传输方法

作者：颜祺; 牛彦杰; 陈国友

来源：信息安全研究, 2022, 8(08): 793-800.

• 无线网络
• 保密率
• 中继选择
• 解码转发
• 深度学习

在信息化、智能化融合发展的时代背景下，多跳无线通信网络作为连接多用户通信设备的关键载体，在进行远距离无线中继传输过程中往往面临着信息被窃听的威胁.为了提升在无线通信过程中的信息安全，提出了一种基于深度学习的信息高保密率传输方法，其核心是通过最优的中继选择来保证信息传输过程的安全性.首先建立人工神经网络模型，利用在多种通信环境下的信道状态数据来训练模型，从而分类选择多跳中继的方案，并获得解码转发(decode-and-forward, DF)中继约束下最大化的保密率.仿真结果表明，相比于传统的穷举搜索方法，该方法可以实现接近0.2 b/(Hz·s-1)的保密性能.而且，由于模型训练是前期工作，在实际应用中将直接根据信道信息返回结果，因此可显著减少计算时间.

• 单位
  中国人民解放军陆军工程大学