《Internet of Things》:Adaptive artificial noise beamforming for securing grant-free massive machine-type communication
编辑推荐:
本文针对无授权大规模机器类通信(mMTC)在B5G/6G网络中面临的传统密码方法不足、导频污染和窃听等安全挑战,提出了一种自适应人工噪声波束成形(AANB)增强型物理层安全方案。该研究通过动态调整波束成形向量和人工噪声,基于实时信道状态信息(CSI)和空间相关性进行优化,显著降低了保密中断概率(SOP),并在不同信噪比(SNR)和空间相关场景下均优于半无授权(SGF)和传统波束成形加人工噪声(BF+AN)方案。研究成果为高密度、动态变化的mMTC环境提供了可扩展、高效的物理层安全解决方案,对推动B5G/6G网络的安全部署具有重要意义。
随着第五代移动通信技术(5G)的演进和第六代移动通信技术(6G)研究的展开,物联网(IoT)迎来了爆炸式增长,其中大规模机器类通信(mMTC)作为关键场景之一,旨在支持海量低功耗设备的高效连接。然而,传统的无授权(Grant-Free)接入方式虽然减少了信令开销,但也带来了严峻的安全挑战。在这种场景下,设备无需事先申请调度即可直接传输数据,这使得传统的基于密码学的安全机制(如复杂的密钥管理和交换流程)变得不再适用。设备资源的限制使得预共享密钥的存储和管理困难重重,而无序的接入则加剧了导频污染(Pilot Contamination),导致信道状态信息(CSI)估计不准确,进而使得依赖精确CSI的物理层安全(PLS)技术,如自适应波束成形(Beamforming)和人工噪声(Artificial Noise, AN)注入,其效果大打折扣。面对高密度、动态变化的mMTC环境,亟需一种能够自适应环境变化、不依赖完美CSI且可扩展的安全增强方案。
为应对上述挑战,研究人员在《Internet of Things》上发表了题为“Adaptive artificial noise beamforming for securing grant-free massive machine-type communication”的论文,提出了一种名为自适应人工噪声波束成形(AANB)的新型物理层安全机制。该研究旨在通过动态优化波束成形和人工噪声策略,在无需预共享密钥的前提下,为无授权mMTC场景提供稳健的安全保障。
研究人员主要运用了系统建模与理论分析、优化算法设计以及蒙特卡洛仿真验证等关键技术方法。研究构建了一个包含多天线基站(BS)、大量单天线用户设备(UE)和多天线窃听者(Eve)的无授权mMTC系统模型,并采用考虑空间相关性的莱斯信道模型。基于此模型,研究团队推导了AANB方案的保密中断概率(SOP)闭合表达式,并设计了交替优化波束成形向量和功率分配比的鲁棒算法(Algorithm 1)。最后,通过大量的数值仿真,将AANB与SGF和BF+AN方案在SOP和误码率(BER)等关键性能指标上进行了对比分析。
系统模型
研究考虑了一个典型的无授权mMTC上行链路场景。一个配备NB根天线的基站服务于大量(K ? 1)资源受限的物联网设备。一个配备NE根天线的窃听者试图截获通信。基站采用自适应波束成形来传输信息信号s,同时注入人工噪声z以恶化窃听者的接收性能。信道模型考虑了大规模衰落系数和空间相关性矩阵,以更贴近实际的高密度部署环境。
理论分析
研究团队首先分析了在导频污染导致CSI不完美的情况下,传统波束成形和人工噪声技术的局限性。随后,详细阐述了AANB的核心思想:通过动态调整波束成形向量ws和人工噪声向量wz,并优化信号功率Ps与噪声功率Pz的分配比例r,以最大化保密速率Rs。研究给出了AANB的优化问题形式化定义,并提出了一个高效的迭代算法进行求解。该算法的核心在于交替优化波束成形方向(通过计算有效信道协方差矩阵的主特征向量)和功率分配比例(通过黄金分割搜索法)。研究还从理论上推导了AANB、SGF以及BF+AN三种方案的精确SOP表达式,为性能比较奠定了理论基础。
结果和评估
通过仿真实验,研究从多个维度评估了AANB的性能。结果表明,在不同基站天线数(NB)、不同空间相关系数(ρ)以及不同信噪比(SNR)条件下,AANB的SOP均显著低于SGF和BF+AN方案。例如,在NB= 8, ρ = 0.9, SNR = 10 dB的强相关场景下,AANB的SOP为0.35356,而BF+AN和SGF分别为0.63456和0.57563,凸显了AANB在相关信道中的鲁棒性。此外,AANB还能在保证安全性的同时,为合法用户提供更低的误码率(BER),体现了其良好的性能均衡性。
研究结论与意义
本研究提出的自适应人工噪声波束成形(AANB)方案,成功解决了无授权大规模机器类通信(mMTC)在B5G/6G网络中面临的关键安全问题。该方案通过动态整合波束成形和人工噪声技术,并巧妙利用空间相关性,实现了在不依赖完美窃听者信道信息和不增加传统密钥管理开销的前提下,显著提升系统的物理层安全性能。理论分析和仿真结果一致表明,AANB在保密中断概率(SOP)和误码率(BER)方面均优于现有的半无授权(SGF)和传统波束成形加人工噪声(BF+AN)方案,尤其在信道空间相关性高、设备密度大的典型mMTC环境中优势更为明显。这项工作为未来超大规模、低功耗物联网的安全通信提供了一种高效、可扩展且易于部署的解决方案,对推动6G网络的安全架构发展具有重要的理论和实践意义。未来的研究方向包括将AANB与后量子密码技术结合,以及探索其在硬件受限平台上的高效实现。