Multi-agent Deep Reinforcement Learning-based Key Generation for Graph Layer Security

Liang Wang

doi:10.1145/3711900

2025-02-22

PRE

DOI：10.1145/3711900

原文求助

摘要

En 中文

近年来，物联网（IoT）设备的涌现给信息安全和攻击防范带来了挑战。大多数密码学解决方案基于物理层安全（PLS），其核心思想是充分利用无线信道状态信息（CSI）的特性，在两个通信节点之间生成对称密钥。然而，精确的信道估计易受攻击者干扰，且依赖于强大的信号处理能力，这并不适用于低功耗物联网设备。本文旨在应用图层安全（GLS）技术，利用部署在网络化系统中的物联网传感器检测到的物理动态的共性特征，生成用于数据加密和解密的密钥，我们相信这是工业界和学术界安全研究的新前沿。我们提出了一种基于多智能体深度强化学习（MADRL）的分布式密钥生成算法，该算法使通信节点能够基于各自本地检测的物理动态（例如水/气/油/电的压力/流量/电压）协同生成对称密钥，且具有较低的计算复杂度，无需信息交换。为验证其可行性，我们在模拟和真实水分配网络中进行了实验并评估了所提出的密钥生成算法。实验结果表明，该算法在随机性、比特一致率（BAR）等方面表现出显著的性能。

Keyword:

Multi-agent deep reinforcement learning

Physical layer security

graph layer security

IoT devices

and physical dynamics

期刊

ACM Transactions on Privacy and Security

IF:

2.8

论文数:

291

被引数:

770

机构

暂无机构信息

引用论文

Promotion of non-rapid eye movement sleep in mice after oral administration of ornithine

Sleep and Biological Rhythms

IF0

2011-10-12

PREAI

Ken OMORI; Yoshiaki KAGAMI; Chikako YOKOYAMA; Tomoko MORIYAMA; Naomi MATSUMOTO; Mika MASAKI; Hiroyasu NAKAMURA; Hiroshi KAMASAKA; Koso SHIRAISHI; Takashi KOMETANI; Takashi KURIKI; Zhi-Li HUANG; Yoshihiro URADE

Channel-Envelope Differencing Eliminates Secret Key Correlation: LoRa-Based Key Generation in Low Power Wide Area Networks 信道包络差分消除了秘密密钥相关性: 低功耗广域网中基于LoRa的密钥生成

IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY

IF7.1

2018-12-01