.png){kind=icon}
返回
Diffusion-Enabled Secure Semantic Communication Against Eavesdropping
.png){kind=icon}
PRE
AI
DOI：10.1109/TWC.2026.3670608.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种新型的基于扩散的插件式加密/解密模块设计，用于对抗语义窃听，其中插件式模块被可选地组装到语义通信系统中以防止窃听。受传统无线通信系统中基于人工噪声（AN）的安全方案的启发，本文将AN引入语义通信系统以防止语义窃听。然而，AN的引入也给合法接收机在提取语义信息方面带来了挑战。近期，去噪扩散概率模型（DDPM）已展现出在生成多媒体内容方面的强大能力。在此，我们使用DDPM精心设计了成对的插件式模块。具体而言，插件式加密模块生成AN并将其添加到语义发射机的输出中，而语义接收机前的插件式解密模块使用DDPM通过去除AN和信道噪声来生成详细的语义信息。在发射机缺乏窃听者知识的情况下，使用人工高斯噪声（AGN）作为AN。我们首先建模一个功率分配优化问题以确定AGN的功率，其中目标是最小化合法链路的数据重建误差、非法链路的互信息以及信道输入失真的加权和。然后，提出了一种使用深度确定性策略梯度的深度强化学习框架来解决该优化问题。在发射机知晓窃听者知识的情况下，我们提出了一种基于对抗残差网络（ARN）的AN生成方法。与前一场景不同，目标函数中的互信息项被替换为窃听者正确检索私有信息的置信度。随后训练对抗残差网络以最小化修改后的目标函数。仿真结果表明，基于扩散的插件式加密模块在防止语义窃听的同时具有高隐蔽性，而插件式解密模块实现了高质量的语义通信。
Keyword:
Artificial noise
diffusion models
semantic communication
wireless security
期刊
IF:
10.7
论文数:
1.3W
被引数:
5.3W
机构
引用论文
Semantic Communications for Image Recovery and Classification via Deep Joint Source and Channel Coding通过深度联合信源和信道编码实现图像恢复和分类的语义通信
OAAI
OAAI分享收藏分享收藏Chen, Z.; Yang, H.H.; Chong, K.F.E.; Quek, T.Q.S. Personalizing Semantic Communication: A Foundation Model Approach. In Proceedings of the 2024 IEEE 25th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC), Lucca, Italy, 10–13 September 2024; pp. 846–850. [Google Scholar] [CrossRef]陈, Z.; 杨, H.H.; Chong, K.F.E.; Quek, T.Q.S. 个性化语义通信: 一种基础模型方法. 2024年IEEE第25届无线通信中的信号处理进展国际研讨会(SPWC)论文集, 意大利卢卡, 2024年9月10–13日; 第846–850页. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏
查看更多内容