车辆队列网络中使用人工噪声进行D2D通信的物理层安全增强

可在www.sciencedirect.com在线获取ScienceDirectICTExpress 8（2022）600www.elsevier.com/locate/icte车辆队列网络中使用人工噪声进行D2D通信的物理层安全增强Inkyu Banga，1，Jong-Hyun Kimb，Taehoon Kimc，a大韩民国，大田34158，Hanbat国立大学，智能媒体工程系b电子和电信研究所（ETRI），大田，34129，大韩民国c大韩民国，大田34158，Hanbat国立大学，计算机工程系接收日期：2022年2月8日;接收日期：2022年4月18日;接受日期：2022年4月21日2022年4月28日在线发布摘要在这篇文章中，我们介绍了物理层的安全增强技术的基础上，人工噪声的安全设备到设备（D2D）通信在一个队列中的车辆排队网络。特别地，我们考虑两个D2D使能的排在一起的场景。同样的方式。一个排中的所有车辆都用于生成人工噪声，以增强排内D2D通信的保密性。 另一排防止信息泄露给潜在的窃听车辆。我们提出了人工噪声生成策略的队列根据信道状态信息（CSI）的假设：全CSI和部分CSI的假设。我们进一步分析了根据两个排中车辆数量之间的关系，最后，我们通过大量的模拟评估我们所提出的方案的保密率方面的性能，并提供安全排队有用的直觉© 2022 由 Elsevier B.V. 发 布 代 表 韩 国 通 信 和 信 息 科 学 研 究 所 这 是 一 篇 基 于 CC BY-NC-ND 许 可 证 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：物理层安全;排队; V2 V网络;人工噪声; D2 D通信1. 介绍自动驾驶技术已经进入我们的日常生活，相应地，学术界和工业界都在阐述如何在相关领域取得进一步的进展。在自动驾驶的各种场景中，车辆排队由于其有前途的优势，如交通容量，道路安全等，近年来受到了极大的关注。因此，通过通信技术对车辆进行超可靠的控制已成为队列行驶的强制性要求[1]。在车辆排队网络中，由于敏感信息泄露给恶意车辆可能会导致拥塞、事故和其他未知的零日漏洞等威胁，因此对车辆间安全信息交换的需求急剧增加。数据的安全性传统上是由密码技术*通讯作者。电子邮件地址：ikbang@hanbat.ac.kr（I.Bang）、jhk@etri.re.kr（J.-H. Kim），thkim@hanbat.ac.kr（T.Kim）。1 他是信息传播系的助理教授&国立汉巴特大学工程学。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2022.04.009在上层。然而，由于无线信号的广播性质，仍然很难防止潜在的窃听者偷听信号本身[2]。因此，即使在物理层中，也存在对安全级别增强的持续需求此外，PLS技术已被认为是下一代6G通信系统所需的候选之一[3]。在自动驾驶应用中，期望设备到设备5G和6G）[4]。在具有D2D通信的蜂窝系统中，从蜂窝用户的观点来看，显然来自D2D通信的信号被认为是干扰。 然而，从PLS的角度来看，D2D生成的干扰可以作为人工噪声，这可以有效地提高蜂窝用户的安全级别[5]。例如，可以在合法接收器处仔细使用干扰对准来完全消除干扰，但是窃听者受到人工噪声的干扰[6]。通过将PLS扩展到车载网络，研究了蜂窝用户和车对车（V2V）之间2405-9595/© 2022由Elsevier B. V.代表韩国通信和信息科学研究所出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。I. 砰，J-H. Kim和T.金ICT Express 8（2022）600601联系我们不××·≥----√√0对手的车辆，分别。令G∥ ∥ ≤∈gT，. . .，g T∈我们考虑一个车辆排队网络，布勒姆彼此有着相同的驾驶兴趣， 作为布勒姆=+ +链路（等价地，D2D链路）在保密约束下进行了研究[7]。此外，在车辆通信场景中，研究并分析了双瑞利衰落环境下V2V链路的保密性能[8，9]。据我们所知，排内车辆之间的D2D通信2.1. 信道模型设n1，. . .，N和m1，. . .、M分别表示每个队列中的车辆索引。我们将hn和he定义为v1和vn之间的信道系数，其中n[≥2，且v1]，2N尚未被彻底调查。 为此我们摘要研究了车辆队列网络中两个支持D2D的队列，提出了一种基于人工噪声的PLS增强技术，以提高队列中D2D传输的安全性主要贡献概述如下：我们介绍了一个角色的排，可以支持实现保密的D2D传输在其他排通过生成人工噪声。C（N−1）×M 表示信道系数矩阵，其中[g n，1，. . .，g n，M]表示1个M向量，（）T表示转置运算，G的第n行第m列中的元素g n，m表示vn和a m之间的信道系数。类似地，ge∈ [g e，1，. . .，g e，M]是1 M向量，其中g e，m指示对手车辆与a m之间的信道系数。在这篇文章中，我们假设一个双瑞利衰落信道模型广泛用于车辆通信，（8）。我们用σ2、σ2、σ2、σ2表示平均值n e n， m e， m提出了一种基于信道状态信息假设的队列人工噪声产生技术.我们验证了该方案实现了更高的保密率比参考方案，如随机生成的人工噪声技术。2. 系统模型信道增益（即，信道方差），其主要取决于hn，he，gn，m和ge，m之间的距离。车辆[7]。当v1广播数据x时，在车辆vn处对于n2的接收信号和在对手车辆处的接收信号分别表示为：yn=hn<$Pvx+<$Pa∑gn，mwm+zn对手车辆的（即，窃听者）和两个排，其中每个排由多辆车组成，hn PvxgnP AW Z N，ye=he Pvx+<$Pa∑ge，mwm+ze（一）描述于图1.一、包括敌方车辆在内的所有车辆都配备有单个天线，并且以相同的方向和速度移动（例如，60公里/小时）。2我们假设每个队列负责两个角色，一个是通过D2D通信在同一队列中的车辆之间共享数据，另一个是产生人工噪声以帮助另一排内的D2D通信的保密增强。我们将它们定义为数据共享排（PDS）和人工噪声(PAN)，分别。PDS由N> 1个自主车辆v1，. . .，vN.类似地，PAN由M> 1个自主车辆a1，. . .，a M.在每个排，有一个领导车辆（或排长），其作用是检测关键驾驶期间的信息，例如路标和紧急情况，以及管理集中式任务，例如信息共享（例如，用于人工噪声生成的信道信息共享）。我们假设v1和a1是领头车。此外，我们考虑一个场景，即v1广播其到成员车辆的数据（即， v2，. . . ，vN）用于数据共享，并且这可以通过经由v 1的单个D2D传输来实现。我们称之为D2D广播。当v1播出时-通过D2D通信发送其数据，PAN中的所有车辆（即，a1，. . . ，M）参与生成人工噪声以增强D2D广播的保密级别（即，传输或等效地通信），以防止对手车辆的窃听。2 请注意，当我们考虑多个窃听车辆时，=h ePvx+geP aw+z e，其中，wm表示由具有约束wm2 1的m生成的人工噪声，并且wm [w1，. . .，wM] TCM×1.此外，Pv和Pa分别指示来自v1的用于D2D传输的最大发送功率和来自am的人工噪声的最大发送功率。zn和ze表示圆对称具有零均值和σ2方差的复加性高斯白噪声（AWGN）。2.2. 信道估计假设为了增强来自v1的D2D传输期间的保密性，应当仔细设计（1）中的w。但值得注意到其性能（即，保密率时，使用具体w）高度依赖于信道状态信息（CSI）的可用性，即，hn、he、G和ge。我们假设窃听者只确切地知道G和ge此外，我们考虑两个假设，根据CSI的可用性在这篇文章中：完整的CSI和部分CSI的假设。2.2.1. 完整CSI假设我们假设道路上的所有车辆都与部署在路边的基站进行通信，以保持与基础设施的连接，这可能是自主排队场景中最常见的情况3因此，PAN中的车辆（即，am，m）可以适当地窃听率主要取决于接近的对手排[2]。因此，我们认为一个单一的窃听车辆在我们的系统模型的分析处理。此外，在通道模型中隐式地考虑了车辆移动性的影响3 例如，包括对手的所有车辆都发射具有参考信号的上行链路信号（例如，用于信道估计的导频信号），这是公知的···I. 砰，J-H. Kim和T.金ICT Express 8（2022）600602∀∀≥--−（+）关于我们∀≥（二）图1.一、 车辆编队网络的一个例证：两个排和一辆敌方车辆朝同一方向移动。通过捕获空中的数据分组内的参考信号来估计vn，n和am之间的CSI。因此，一组CSI，也就是说，g1，m，. . .，g，N，m，可以假设现在在a，m处可用。类似地，hn在vn处也是可用的，对于n2。我们进一步假设捕获敌方车辆由于来自V1的相同信息应该被可靠地发送到PDS内的所有N1辆车辆（即， v2，. . . ，vN）。类似地，对来自v1的D2D传输进行窃听的可实现速率由下式给出：可以通过观察嵌入在从她那里传输的数据包因此，我们可以有ge，m在am，mm，和he在v1。Re=log21月22日gew <$λa+1/ρv（三）此外，我们认为排长（即，v1和a1）从其成员收集估计的CSI，并且v1定期地将其收集的CSI报告给a1。因此，排长PAN的（即，a1）现在已经完全知道hn，he，G，并且在这个假设下。值得注意的是，在完全CSI假设下的保密性分析可以提供关于保密性能的上限的直觉（例如，保密率）。2.2.2. 部分CSI假设在许多情况下，每个排的成员车辆可能不知道对手车辆的存在。因此，我们假设只有G和hn是1已知的，（即，Ge和He在A1处不可用）。该假设可以提供仅使用G和hn来有效地利用人工噪声的方式。下一节将进一步讨论这一问题。3. 编队航行的人工噪声在本节中，我们制定了我们的研究问题，并提出了一种新的人工噪声生成技术，以实现因此，从D2D传输的可实现的保密率可以是最低的。v1由下式给出：Rs=[Rv−Re]+，（4）其中Rv和Re分别在（2）和（3）中定义，并且[x]+maxx，0。值得注意的是，要实现高保密率，由于以下两个挑战，在排队场景中很困难;1. 人工噪声不仅降低了窃听车辆的信噪比，而且降低了PDS中车辆的信噪比2. （4）包含最小算子，因此保密率随着N的增加而降低。3.2. 按车队划分的我们需要通过设计来最大化（4）中的保密率w，作为优化公式如下：最大化[Rv−Re]+在队列内的D2D通信期间，主动地使多个车辆能够实现保密W对于n ∈ {1，. . . ，M}，其中Rv和Re分别在（2）和（3）（五）3.1. 分泌率分析对于保密性能指标，我们认为保密率，定义为合法和窃听链路的可实现的速率之间的差异。一个可实现的速度来自v1的D2D传输由下式给出：我们考虑人工噪声的基本设计原理[10]，即在合法接收器处消除人工噪声的影响（即， vn，n （2）有效干预对于来自对手侧的V1的接收信号，通过Rvmin∈{2，.，{log2（1个以上2002年2月nnw<$2λa+1/ρv）}，（2）≜.I. 砰，J-H. Kim和T.金ICT Express 8（2022）600603=nN}∀ ≥σ2Pnw=0，（6）gew（七）在这里我们定义一个P和pv作为λaPa和v一般来说，我们可以适当地选择满足（6）n2的w（7）从G的零空间的标准正交基发射信噪比（SNR）为ρv <$Pv。注意0（即， null（G））当我们有nullity（G）≥1时（等价地，I. 砰，J-H. Kim和T.金ICT Express 8（2022）600604≥ ={− −}===∀≥ ∥ ∥ ≤−联系我们=−===-−=∈≤=-==-联系我们ne∀≥≤M其中nullity（G）max M（N1），0表示null（G）的 维 数 [11]。然而，我们找不到一个wmax=arg maxw∈K（G<$），G<$∈K（G）Rv，（10）适当的w满足（6），因为我们有零性（G）0为MN.<我们将M和N之间的关系分为三种情况，并介绍我们提出的人工噪声生成技术的原理（即，设计W）每种情况下。我们将我们提出的方案命名为按排人工噪声（ANP），并根据不同的信道估计假设将ANP进一步分为两种类型：ANP-全CSI和ANP-部分CSI方案。3.2.1. MN我们有零度（G）1，并且有一个标准正交基。因此，我们可以设计w作为满足（6）n2，（7）和wm2的对于ANP-完全CSI和ANP-部分CSI方案两者，均为1。注意，两种方案在M=N时实现相同的保密率。3.2.2. M> N我们有零度（G）>1，并且有多个正交归一化其中Rv和Re分别在（2）和（3）在ANP-全CSI和ANP-全CSI中设计w的关键特征部分CSI方案总结在表1中。4. 数值结果在这一节中，我们评估的保密性能的ANP-完全CSI和ANP-部分CSI方案的保密率。据我们所知，这是第一个工作，考虑人工噪声的车辆排队网络。因此，我们只考虑两个参考方案进行比较-一种是类似于所提出的方案，但从G中随机选择行以消除MN，称为<对于模拟，我们考虑这样一种情况：对手靠近PDS的排首但远离PAN（即，σ2<σ2和σ2> σ2基础设{f1，. . .，fL}和L<$M−（N− 1）表示一组n，me，m），即，最坏的情况是，分别给出了零（G）的标准正交基和标准正交基的个数。由于ANP-全CSI方案可以一起利用hn、he、G和ge，因此可以如下选择用于ANP-全CSI方案的w保密率我们使用MATLAB版本9.10.0（R2021a）[12]获得表2中列出的给定参数的1，000，000次迭代的仿真结果。图2示出了针对不同SNR值的平均保密率。w=arg max [R-R]+（八）当我们考虑（N，M）=的两种不同组合时，Ve，w f f（5，4）和（N，M）=（9，8）。我们考虑N>M的情况∈{1，.，L}其中Rv和Re分别在（2）和（3）由于ANP-部分CSI方案只能利用hn和G，因此我们只能选择w来最大化（2）中的Rv，而不考虑（3）中的Re。所以，我们随机选择了ANP的wW中的部分CSI方案f1，. . .，fL 因为任何f1，. . . ，fL可以满足给定的条件。3.2.3. M N<我们有nullity（G）=0，并且null（G）是空集（即，null（G）= 0）。为了解决零维问题和KNM1，这相当于允许一辆车，人工噪声不完全抵消，其中N1辆车在PDS。实线和虚线分别表示（N，M）（5，4）和（N，M）（9， 8）的结果。我们提出的方案优于参考方案的保密率和性能差距增加时，信噪比增加。当我们比较（N，M）的结果时，（5， 4）与（N，M）（9， 8），基线的保密率当N和M增加时，即使对于相同K=N-M=1，因为我们必须考虑最小数据N-1辆车。然而，即使对于相同的K=1，在零空间中，我们通过消除一些所提出的方案实现了更好的保密率（N，M）=行G.令{i1，. . .，i，K}和K表示一组消除的（9， 8）在高SNR状态下，因为它们可以有效地利用rw g的索引以生成G<$∈C（N−1−K）×M 和CSI和多用户分集时，车辆的数量在在G中分别消除的行数。 我们设K满足一个条件，使得M+K=N 。 那 么 ， 我 们 至 少 可 以 保 证 满 足 （ 6 ）<$n∈/{i1，. . . ，iK}，由PAN（即，（三）增长。图3显示了不同的平均保密率当我们考虑M=8时，PDS中的车辆数量（N）从零（G<$）的正交基中选择w，而不是null（G）. 请注意，在G中选择Kr w来构造G等效于允许人工噪声在所选的K个车辆处不被抵消，并且因此干扰在那些车辆处从V1因此，对于MN，为求解（5）设计w可以简化为<在PDS中正确选择K设K（G）表示所有可能组合的集合通过从G中消除K行而构造的矩阵（即，GK（G））。对于ANP-全CSI，我们可以选择w和w_，ANP-部分CSI方案，分别如下：SNR20 dB或M6、信噪比15分贝。我们认为PDS中的车辆数量从2增加到12。对于结果，M6和SNR 15dB时，三种利用人工噪声的方案与N6、考虑M6，它保证人工噪音完全被抵消在期望的车辆（即，vn，n（2）当NM.此外，对于N6、ANP-部分CSI和ANP-随机方案显示，由于ANP-部分方案只能利用hn和G，因此具有相同的保密率。虽然ANP-部分CSI和ANP-随机方案在N≤M时显示出相同的保密性能，wmax=arg maxw∈K（G<$），G<$∈K（G）[Rv−Re]+，（9）ANP部分CSI方案优于ANP随机方案对于N >M，因为它可以有效地选择K N−MI. 砰，J-H. Kim和T.金ICT Express 8（2022）600605ne−=-表1在ANP-完全CSI和ANP-部分CSI方案中设计w的关键特征关于CSI的知识M=N M>N，L<$M−（N−1）MN，K<$N−M10时显示出最差的保密率。此外，我们绘制了M8和SNR 20 dB的ANP全CSI结果，以提供总体趋势在不同的M和SNR设置的情况下。5. 结论在这篇文章中，我们提出了新的人工噪声生成策略的车辆排队网络中的队列。具体来说，我们引入了一个概念的两个角色的排，一个是共享数据之间的车辆在同一排通过D2D通信，另一个是生成人工噪声，以帮助保密性增强的D2D通信在其他排。通过仿真，验证了所提方案相对于参考方案的优越性，为队列中的安全通信提供了有益的启示。此外，本发明还CRediT作者贡献声明Inkyu Bang：概念化，调查，验证，写作金宗贤：概念化，验证. Taehoon Kim：监督，概念化，验证，写作竞合利益作者声明，他们没有已知的可能影响本文所报告工作致谢这项工作得到了韩国政府（MSIT）资助的信息通信技术规划评估研究所（IITP）的资助（编号2021- 0-00796，研究6 G Au-communication Security-by-Design to GuaranteeConstant Quality ofSecurity的基础技术）。引用[1] J. Wang，J. Liu，N. Kato，自动驾驶中的网络和通信：调查，IEEECommun。监视器家教21（2）（2018）1243-1274。σσI. 砰，J-H. Kim和T.金ICT Express 8（2022）600606[2] I. Bang，B.C. Jung，具有潜在窃听者的上行链路网络中机会主义用户调度的安全率分析，IEEEAccess 7（2019）127078-127089。[3] P. Porambage，G. Gür，D.P.M. Osorio，M. Liyanage，A. Gurtov，M. Ylianttila，6G安全和隐私路线图，IEEE Open J。 通讯Soc.2（2021）1094-1122。[4] S.首页-期刊主要分类-期刊细介绍-期刊题录与文摘. Guo，M. Qi，N. Kato，Envisioning device-to-devicecommunicationsin 6G，IEEENetw. 34（3）（2020）86[5] R. Zhang，X.成湖，澳-地Yang，Cooperation via spectrum sharingforphysicallayersecurityindevice-to-devicecommunicationsunderlayingcellular networks ， IEEE Trans. Wireless Commun. 15（8）（2016）5651-5663。[6] Y. Cao，N. Zhao，F.R. Yu，M. Jin，Y. Chen，J. Tang，V.C.梁，优化或对齐：二级网络辅助的安全主传输，IEEE J.Sel.AreasCommun。36（4）（2018）905-917。[7] X. Peng，H.周湾Qian，K. Yu，F.柳，W。徐，实现互联自动驾驶车辆的安全感知D2D频谱资源共享，IEEE Internet Things J。7（5）（2020）3799[8] Y.艾，M。Chefena，A. Mathur，H.雷，双瑞利衰落信道的车辆通信的物理层安全性，IEEE无线。Commun. Lett. 7（6）（2018）1038[9] A. Pandey，S. Yadav，D.- T.多河Kharel，混合瑞利和双瑞利衰落信道下具有直接链路的协作认知AF中继网络的Secondary性能，IEEETrans. Veh. Technol. 69（12）（2020）15095[10] S.戈埃尔河Negi，使用人工噪声保证保密性，IEEETrans. 无线通信7（6）（2008）2180[11] L.E. Spence，A.J. Insel，S.H.李文生，《线性代数》，北京：人民出版社，2000。[12] MATLAB，版本9.10.0（R2021a），The MathWorks Inc.，2021年