WikiEdge:ArXiv-2408.17169v1/methods：修订间差异

来自WikiEdge
跳转到导航 跳转到搜索
←上一编辑
可视化wikitext
David（留言 | 贡献）
机器人
1,726次编辑
Saved page by David
David（留言 | 贡献）
机器人
1,726次编辑
Saved page by David
 
第1行： 第1行：
本文介绍了一种基于[[忆阻器]]的计算存储硬件加速器，用于[[片上训练]]和推理，重点关注其在设备变化、导电误差和输入噪声下的准确性和效率。
<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17169v1/methods|action=edit}} 编辑]</div>
利用商业可用的基于[[银]]的金属自定向通道（M-SDC）忆阻器的真实SPICE模型，研究将固有的设备非理想性纳入电路仿真中。
这篇文献的工作部分详细介绍了如何在无单元大规模多输入多输出（[[CF-mMIMO]]）系统中，针对主动窃听攻击，使用多天线接入点（[[APs]]）和保护性部分零强制（[[PPZF]]）预编码来提高通信的安全性。以下是这部分的主要内容：
硬件由30个忆阻器和4个[[神经元]]组成，利用[[钨]]、[[铬]]和[[碳]]介质的三种不同的M-SDC结构执行二进制[[图像分类]]任务。
# '''系统模型构建'''：
[[片上训练算法]]精确调整忆阻器导电性以实现目标权重。结果表明，训练期间加入适度噪声（<15%）可以增强对设备变化和噪声输入数据的[[鲁棒性]]，
#* 构建了一个包含L个[[APs]]和K个单天线用户的[[CF-mMIMO]]系统模型。同时，考虑了一个单天线的主动窃听者E，该窃听者通过发送与合法用户相同的导频序列来污染上行链路信道估计阶段。
即使在导电变化和输入噪声下也能实现高达97%的[[准确率]]。网络可以在不显著损失准确率的情况下容忍10%的导电误差。值得注意的是，
#  '''预编码设计'''：
在训练期间省略初始忆阻器重置脉冲可以显著减少训练时间和能量消耗。使用基于铬的忆阻器设计的硬件表现出优越的性能，
#* 为了在下行数据传输阶段提高信号传输质量，采用了[[PPZF]]预编码方案。该方案旨在通过部分消除对强用户造成的干扰，同时保护弱用户免受干扰，以实现期望信号增益和干扰消除之间的平衡。
实现了2.4秒的训练时间和18.9毫焦耳的能量消耗。这项研究为开发用于[[边缘应用]]的[[片上学习]]的鲁棒和能效高的基于忆阻器的[[神经网络]]提供了见解。
#  '''优化问题求解'''：
#* 提出了一个优化问题，目标是在保证每个[[AP]]的最大传输功率、合法用户的特定服务质量（[[QoS]]）要求以及窃听者的最大允许信噪比（[[SINR]]）的约束下，最大化被攻击用户的接收[[SINR]]。该优化问题通过路径跟踪算法求解。
#  '''接入点选择和功率优化'''：
#* 提出了一种基于大规模衰落的贪婪[[AP]]选择方案，以及一种功率优化方法，旨在提高系统的保密频谱效率（[[SSE]]）。通过选择性地激活对系统[[SSE]]贡献最大的[[APs]]，并优化每个[[AP]]的功率分配，以增强合法链路的同时抑制窃听链路。
#  '''窃听攻击检测'''：
#* 开发了一种基于接收导频信号平均功率的窃听攻击检测方法。该方法能够在不需要用户即时信道状态信息（[[CSI]]）的情况下，通过比较接收导频信号的平均功率与理论值来检测窃听攻击的存在。
#  '''数值结果分析'''：
#* 通过数值模拟验证了所提方法的有效性。模拟结果显示，[[PPZF]]预编码方案相比传统的最大比传输（[[MRT]]）方案，在[[SSE]]上取得了显著的改进。此外，[[AP]]选择和功率优化方法进一步提高了系统的[[SSE]]性能。

2024年9月3日 (二) 09:07的最新版本

编辑

这篇文献的工作部分详细介绍了如何在无单元大规模多输入多输出（CF-mMIMO）系统中，针对主动窃听攻击，使用多天线接入点（APs）和保护性部分零强制（PPZF）预编码来提高通信的安全性。以下是这部分的主要内容：

  1. 系统模型构建：
    • 构建了一个包含L个APs和K个单天线用户的CF-mMIMO系统模型。同时，考虑了一个单天线的主动窃听者E，该窃听者通过发送与合法用户相同的导频序列来污染上行链路信道估计阶段。
  2. 预编码设计：
    • 为了在下行数据传输阶段提高信号传输质量，采用了PPZF预编码方案。该方案旨在通过部分消除对强用户造成的干扰，同时保护弱用户免受干扰，以实现期望信号增益和干扰消除之间的平衡。
  3. 优化问题求解：
    • 提出了一个优化问题，目标是在保证每个AP的最大传输功率、合法用户的特定服务质量（QoS）要求以及窃听者的最大允许信噪比（SINR）的约束下，最大化被攻击用户的接收SINR。该优化问题通过路径跟踪算法求解。
  4. 接入点选择和功率优化：
    • 提出了一种基于大规模衰落的贪婪AP选择方案，以及一种功率优化方法，旨在提高系统的保密频谱效率（SSE）。通过选择性地激活对系统SSE贡献最大的APs，并优化每个AP的功率分配，以增强合法链路的同时抑制窃听链路。
  5. 窃听攻击检测：
    • 开发了一种基于接收导频信号平均功率的窃听攻击检测方法。该方法能够在不需要用户即时信道状态信息（CSI）的情况下，通过比较接收导频信号的平均功率与理论值来检测窃听攻击的存在。
  6. 数值结果分析：
    • 通过数值模拟验证了所提方法的有效性。模拟结果显示，PPZF预编码方案相比传统的最大比传输（MRT）方案，在SSE上取得了显著的改进。此外，AP选择和功率优化方法进一步提高了系统的SSE性能。
取自“http://zh.wikiedge.org/index.php?title=WikiEdge:ArXiv-2408.17169v1/methods&oldid=737”