.png){kind=icon}
返回
Federated Generative Diffusion Model for Secure Communications
.png){kind=icon}
PRE
AI
DOI：10.1109/mwc.2025.3625127.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
生成式人工智能（AI）通过建模信号和信道特性促进安全通信。然而，其集中式训练的特性带来了隐私和可扩展性挑战。联邦学习（FL）是一种去中心化机器学习范式，能够在分布式设备上实现协作模型训练，同时通过保持训练数据本地化来确保数据隐私。本文概述了现有独立式和联邦式生成模型的局限性。此外，我们提出了一种联邦扩散模型（FDM），全面考虑了物联网场景下的训练和采样阶段。然后，我们探讨了基于所提出框架在无线安全领域各项任务中的应用。为证明有效性，我们在多用户物理层认证场景下进行案例分析。实验结果表明，所提出的FDM在性能上显著接近集中式扩散模型，同时确保在分布式物联网环境中的安全部署。
Keyword:
Communication security
generative AI
diffusion model
federated learning
期刊
IF:
11.5
论文数:
2.8K
被引数:
1.3W
机构
引用论文
Diffusion Model Based Secure Semantic Communications with Adversarial Purification基于扩散模型的对抗性净化安全语义通信
PREAI
分享收藏Enhancing Physical Layer Communication Security Through Generative AI with Mixture of Experts通过专家混合的生成式人工智能提升物理层通信安全性
PREAI
分享收藏Multi-User Physical Layer Authentication Based on CSI Using ResNet in Mobile IIoT移动IIoT中基于CSI的ResNet多用户物理层认证
PREAI
分享收藏Exploring Collaborative Distributed Diffusion-Based AI-Generated Content (AIGC) in Wireless Networks无线网络中基于协同分布式扩散的AI生成内容 (AIGC) 研究.png)
IEEE NETWORK
OAAI
IEEE NETWORKIF6.3
OAAI分享收藏Secrecy Analysis for IRS-Aided Wiretap MIMO Communications: Fundamental Limits and System DesignOAAI
OAAI分享收藏Securing Federated Diffusion Model With Dynamic Quantization for Generative AI Services in Multiple-Access Artificial Intelligence of Things通过动态量化保护联合扩散模型，以在物联网的多址人工智能中生成AI服务
PREAI
分享收藏Generative Adversarial Network in the Air: Deep Adversarial Learning for Wireless Signal Spoofing空中生成对抗网络: 用于无线信号欺骗的深度对抗学习
OAAI
OAAI分享收藏
查看更多内容