基于强化学习的对抗性无线环境中波束成形与安全感知联合决策框架
《Entropy》:Bayesian-Guided Cooperative RL Beamforming for Wireless Adversarial User Detection
【字体:
大
中
小
】
时间:2026年09月30日
来源:Entropy 2.1
摘要
在下一代无线网络中,通信系统不仅需要实现简单数据传输,还需同时提供高速率、高效率和高安全性。这一需求推动了机器学习方法的广泛应用,以构建智能且实时的网络管理框架,使系统能够持续监测并响应信道变化和用户行为,同时保持高效的信息传输。在此背景下,将机器学习与波束成形相结合,可实现自适应、数据驱动的波束方向选择,从而提升无线链路的效率和安全性。本文首先基于3GPP实现了一个无攻击者场景下的系统模型,并采用穷举搜索作为参考以识别最佳波束成形配置。随后,在存在攻击者及不同网络可扩展性条件下对所提框架进行评估。我们证明,基于强化学习的方法——即Q学习和状态-动作-奖励-状态-动作(SARSA)——在总信道容量、攻击者检测准确率和性能稳定性方面始终优于随机选择。在所评估的强化学习方法中,Q学习在检测准确率与计算效率之间实现了最佳的整体平衡。我们的结果表明,所提框架为动态对抗性无线环境下的波束成形与安全意识联合决策提供了稳定、可扩展且有效的解决方案。
生物通微信公众号
生物通新浪微博
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