.png){kind=icon}
返回
Reinforcement Learning-Driven Secrecy Energy Efficiency Maximization in RIS-Enabled Communication Systems
.png){kind=icon}
OA
AI
DOI：10.1109/ACCESS.2025.3591009.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可重构智能表面（RISs）正成为第六代（6G）无线网络的一项创新技术，提供改进的覆盖范围和频谱效率。然而，将RIS融入6G系统带来了显著的安全挑战，尤其是在存在多个窃听者的潜在情况下。本研究探讨了利用物理层安全（PLS）来促进RIS辅助网络中的安全通信，解决了保护敏感信息的重要问题，同时也解决了有限能源资源的问题。本研究考察了优化RIS被动波束成形、主动波束成形和功率预算，旨在提高保密能量效率（SEE）。鉴于该问题的复杂性，我们利用人工智能，特别是深度强化学习。通过将问题视为马尔可夫决策过程（MDP），我们通过创建特定状态和动作以及一个旨在平衡隐私和能量效率的奖励系统，使实时决策变得更加容易。我们引入了一个创新框架，利用深度确定性策略梯度（DDPG）算法来解决MDP的挑战。我们的广泛模拟表明，与使用确定性策略梯度（如近端策略优化PPO框架）的现有技术相比，我们的方法在提高SEE方面效果显著。我们的结果表明，DDPG能够改善RIS的安全和节能通信，为未来6G网络中预期的变化和严峻条件提供了一种稳健且灵活的解决方案。
Keyword:
Deep deterministic policy gradient
deep reinforcement learning
energy efficiency
reconfigurable intelligent surface
secure communication
期刊
IF:
3.6
论文数:
9.8W
被引数:
29.4W
机构
引用论文
On the Road to 6G: Visions, Requirements, Key Technologies, and Testbeds在通往6g的道路上: 愿景、需求、关键技术和测试平台OAAI
.png){kind=icon}
OAAI分享收藏Optimal Transmit Power and Hovering Location for UAV Covert Communication in IoT Systems物联网系统中无人机隐蔽通信的最佳发射功率和悬停位置
PREAI
分享收藏Energy Harvesting From Jamming Attacks in Multi-User Massive MIMO Networks多用户大规模MIMO网络中干扰攻击的能量获取OAAI
OAAI分享收藏Inspiring Physical Layer Security With RIS: Principles, Applications, and Challenges使用RIS激发物理层安全: 原则、应用和挑战OAAI
OAAI分享收藏Energy Efficiency and Spectral Efficiency Tradeoff in RIS-Aided Multiuser MIMO Uplink Transmission
OAAI
OAAI分享收藏
查看更多内容