融合可重构智能表面与元学习的电力物联网终端轻量级物理层认证方案

《Electronics》:Research on a New Lightweight Authentication Technology for Power Communication Networks Based on Reconfigurable Intelligent Surface and Meta-Learning

【字体: 大 中 小 】 时间:2026年09月26日 来源:Electronics 2.9

编辑推荐:

   摘要

  

摘要

随着新型电力通信网络的扩展,海量单天线电力物联网终端面临着严峻的安全接入挑战。传统基于密码学的认证方式会给资源受限设备带来不可忽视的计算、存储和能耗开销,而多天线辅助的物理层认证无法为单天线节点生成可区分的空间特征以抵御Sybil攻击。此外,异构电力终端和复杂环境导致深度学习模型面临高昂的标注成本和较差的适应性。本文提出了一种轻量级认证方案,融合了可重构智能表面、模型无关元学习以及卷积神经网络-门控循环单元网络。可重构智能表面在单位模约束下优化反射系数,以构建可区分的空间信道指纹。元学习框架通过元学习使模型在有限样本下实现快速适应,增强了可扩展性。轻量级卷积神经网络-门控循环单元高效提取空间和时间特征,支持边缘端实时推理。仿真结果验证了该方案在认证性能和面对时变信道以及所评估的Sybil相关攻击场景(包括功率模仿、近距离冒充和动态环境干扰)方面的鲁棒性具有优势;然而,其他物理层威胁如导频欺骗、重放和蓄意干扰尚未得到全面评估。本工作为所评估范围内的安全、弹性且可持续的智能电网运行作出了贡献。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号