典型文献
基于深度学习的信息高保密率传输方法
文献摘要：
在信息化、智能化融合发展的时代背景下,多跳无线通信网络作为连接多用户通信设备的关键载体,在进行远距离无线中继传输过程中往往面临着信息被窃听的威胁.为了提升在无线通信过程中的信息安全,提出了一种基于深度学习的信息高保密率传输方法,其核心是通过最优的中继选择来保证信息传输过程的安全性.首先建立人工神经网络模型,利用在多种通信环境下的信道状态数据来训练模型,从而分类选择多跳中继的方案,并获得解码转发(decode-and-forward,DF)中继约束下最大化的保密率.仿真结果表明,相比于传统的穷举搜索方法,该方法可以实现接近0.2b/(Hz·s-1)的保密性能.而且,由于模型训练是前期工作,在实际应用中将直接根据信道信息返回结果,因此可显著减少计算时间.
文献关键词：
无线网络;保密率;中继选择;解码转发;深度学习
中图分类号：
作者姓名：
颜祺;牛彦杰;陈国友
作者机构：
陆军工程大学指挥控制工程学院 南京 210001;中国人民解放军94860部队 南京 210046
文献出处：
引用格式：
[1]颜祺;牛彦杰;陈国友-.基于深度学习的信息高保密率传输方法)[J].信息安全研究,2022(08):793-800
A类：
B类：
保密率,传输方法,多跳,无线通信网络,多用户通信,通信设备,远距离无线,中继传输,输过,被窃,窃听,中继选择,信息传输,立人,人工神经网络模型,通信环境,信道状态,状态数据,训练模型,分类选择,解码转发,decode,forward,DF,穷举,搜索方法,2b,保密性,模型训练,前期工作,返回,少计,计算时间,无线网络
AB值：
0.440232
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
