Apprentissage par renforcement pour tromper les brouilleurs réactifs dans les réseaux sans fil

Apprentissage par renforcement pour tromper les brouilleurs réactifs dans les réseaux sans fil

A. Pourranjbar, G. Kaddoum, A. Ferdowsi et W. Saad, “Reinforcement Learning for Deceiving Reactive Jammers in Wireless Networks,” in IEEE Transactions on Communications, vol. 69, no. 6, pp. 3682-3697, juin 2021, doi : 10.1109/TCOMM.2021.3062854.

Abstract or Summary

Les méthodes anti-brouillage conventionnelles reposent principalement sur le saut de fréquence pour se cacher ou échapper aux brouilleurs. Ces approches ne sont pas efficaces en termes d’utilisation de la bande passante et peuvent également entraîner une forte probabilité de brouillage. Contrairement aux travaux existants, cet article propose une nouvelle stratégie anti-brouillage basée sur l’idée de tromper le brouilleur pour qu’il attaque un canal victime tout en maintenant les communications des utilisateurs légitimes sur des canaux sûrs. Étant donné que les informations sur le canal du brouilleur ne sont pas connues des utilisateurs, un schéma optimal de sélection du canal et un algorithme sous-optimal d’allocation de puissance sont proposés en utilisant l’apprentissage par renforcement (RL). La performance de la technique anti-brouillage proposée est évaluée en dérivant la limite inférieure statistique de la puissance totale reçue (TRP). Les résultats analytiques montrent que, pour un point d’accès donné, plus de 50 % du TRP le plus élevé réalisable, c’est-à-dire en l’absence de brouilleurs, est atteint dans le cas d’un utilisateur unique et de trois canaux de fréquence. De plus, cette valeur augmente avec le nombre d’utilisateurs et de canaux disponibles. Les résultats obtenus sont comparés à deux techniques anti-brouillage existantes basées sur RL et à une stratégie d’attribution aléatoire des canaux sans aucune attaque de brouillage. Les résultats de la simulation montrent que la méthode anti-brouillage proposée est plus performante que les méthodes anti-brouillage comparées basées sur RL et que la méthode de recherche aléatoire, et qu’elle permet d’atteindre un TRP presque optimal.

Implications of the Research

Visuals

Supplementary Materials

Acknowledgements

Citations and References

Other Publications

Retour au haut Drag