非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技術(shù)可提高下一代移動(dòng)網(wǎng)絡(luò)的頻譜資源利用率,而移動(dòng)群智感知系統(tǒng)結(jié)合了云計(jì)算與物聯(lián)網(wǎng)實(shí)現(xiàn)社會(huì)感知應(yīng)用服務(wù)。然而,智能干擾攻擊導(dǎo)致NOMA系統(tǒng)面臨通信失敗的風(fēng)險(xiǎn),虛假感知攻擊會(huì)降低移動(dòng)群智感知應(yīng)用的可靠性。因此,論文將從這兩個(gè)應(yīng)用研究下一代移動(dòng)網(wǎng)絡(luò)的安全機(jī)制。首先,論文研究對(duì)抗智能干擾機(jī)的NOMA無(wú)線(xiàn)網(wǎng)絡(luò)傳輸機(jī)制,建立NOMA抗干擾分層Stackelberg博弈模型,并提出基于強(qiáng)化學(xué)習(xí)技術(shù)的基站抗干擾功率分配策略。揭示NOMA抗干擾攻防博弈的均衡策略,表明收發(fā)天線(xiàn)個(gè)數(shù)、基站發(fā)射功率等對(duì)NOMA抗干擾傳輸性能的影響。構(gòu)建非對(duì)稱(chēng)信息的動(dòng)態(tài)攻防博弈,提出基于Q學(xué)習(xí)的NOMA功率分配策略,無(wú)需預(yù)知干擾模型參數(shù),并進(jìn)一步結(jié)合基于模型的規(guī)劃方法與遷移學(xué)習(xí),提升最優(yōu)策略的收斂速度。例如,在3個(gè)移動(dòng)用戶(hù)的NOMA無(wú)線(xiàn)網(wǎng)絡(luò)中,相比基于Q學(xué)習(xí)的算法,所提算法將用戶(hù)的信干噪比與系統(tǒng)傳輸容量分別提升了 16.1%和25.4%。隨后,建立移動(dòng)群智感知系統(tǒng)對(duì)抗虛假感知攻擊的博弈模型,并構(gòu)建基于深度強(qiáng)化學(xué)習(xí)的服務(wù)器支付激勵(lì)機(jī)制,抑制自...

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
常用符號(hào)對(duì)照表
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及意義
    1.4 論文結(jié)構(gòu)安排
第二章 下一代移動(dòng)網(wǎng)絡(luò)關(guān)鍵技術(shù)及安全研究
    2.1 基于NOMA技術(shù)的無(wú)線(xiàn)網(wǎng)絡(luò)及其物理層安全
    2.2 移動(dòng)群智感知系統(tǒng)及其應(yīng)用安全
    2.3 基于博弈論與強(qiáng)化學(xué)習(xí)的網(wǎng)絡(luò)安全機(jī)制
    2.4 本章小結(jié)
第三章 NOMA無(wú)線(xiàn)網(wǎng)絡(luò)抗敵意干擾研究
    3.1 系統(tǒng)模型
    3.2 靜態(tài)NOMA抗干擾攻防博弈
        3.2.1. 博弈模型
        3.2.2. Stackelberg均衡分析
        3.2.3. 仿真性能分析
    3.3 基于強(qiáng)化學(xué)習(xí)的NOMA抗干擾策略
        3.3.1. 基于Q學(xué)習(xí)的功率分配策略
        3.3.2. 基于Transfer Dyna-Q學(xué)習(xí)的功率分配策略
    3.4 動(dòng)態(tài)NOMA抗干擾攻防性能分析
    3.5 本章小結(jié)
第四章 移動(dòng)群智感知應(yīng)用的安全研究
    4.1 系統(tǒng)模型
    4.2 靜態(tài)移動(dòng)群智感知博弈
        4.2.1. 博弈模型
        4.2.2. Stackelberg均衡分析
        4.2.3. 仿真性能分析
    4.3 基于強(qiáng)化學(xué)習(xí)的安全移動(dòng)群智感知激勵(lì)機(jī)制
        4.3.1. 基于Q學(xué)習(xí)的服務(wù)器支付策略
        4.3.2. 基于DQN的服務(wù)器支付策略
    4.4 動(dòng)態(tài)MCS博弈性能分析
    4.5 本章小結(jié)
第五章 總結(jié)和展望
    5.1 研究工作總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
研究成果與項(xiàng)目參與情況
致謝



本文編號(hào)：3858367