文献笔记--相关：无线通信、安全加密隐私

文献笔记

相关：无线通信、安全加密隐私 Marshal Zheng 2019-05,2019-06

绿色通信协同认知无线电网络中二级用户的能源效率策略

2016 c17

​ 在认知无线电网络（CRN）中，主要用户（PU）可以利用辅助用户（SU）作为合作中继来提高其传输速率，而SU将反过来获得更多频谱接入机会，从而导致合作CRN（CCRN）。 CCRN之前的研究工作主要集中在为用户提供无处不在的访问和高吞吐量，但很少考虑能源效率。此外，大多数现有的作品都假设SU被PU被动地选择，而不管SU的帮助意愿，这显然是不实际的。为了解决能源问题，本文通过利用主要网络的时空分集，提出了一种能源效率高的合作策略。具体而言，具有延迟容忍数据包的SU可以通过联合考虑主要信道可用性，信道状态信息，PU的流量负载以及它们自己的传输要求来主动做出协作决策。我们基于最优停止理论来制定这个决策问题，以最大化SU的能源效率。我们使用动态编程方法解决了这个问题，并推导出最优的合作策略。然后进行广泛的模拟以评估我们提出的策略的性能。结果显示，与现有的合作方案相比，SU的能源效率显着提高，这证明了我们提出的合作策略在为SU节约能源方面的优势。

key：能源效率

​ 前所未有的无线设备使用产生的温室气体量[1]。根据最近的一项调查[2]，目前的信息和通信技术（ICT）行业占人类活动产生的所有碳足迹的约2-4％，相当于所有汽车排放量的约25％，大约相当于等于所有飞机的。鉴于此，降低能耗的趋势促使研究人员探索新技术，以实现能源效率高的“绿色”通信。一种可行的解决方案是更有效地利用频谱。原因在于Shannon的容量，它揭示了功率和带宽之间的权衡。具体而言，链路容量仅与功率呈对数增加，但与带宽成线性关系，这表明更多带宽降低了功耗。 Holland等人。 [3]还表明，通过动态频谱管理可以节省超过50％的功率。因此，认知无线电（CR）技术可以追溯到1999年的Mitola和Maguire [4]，可用于提高频谱效率，从而降低能耗。

key：提高频谱效率，降低能耗

​ 随着移动设备产生的数据不断增长，一些频段正在变得拥挤，而其他频段如电视频段仍未得到充分利用[5]。 CR技术可以应用于通过允许未许可的二级用户（SU）机会性地访问未被许可的主用户（PU）占用的频谱带来解决频谱的不平衡使用。通常，CR设备是基于软件定义的无线电设计的，以允许SU具有感知，学习和适应无线环境的能力，然后与SU共存，使得SU的传输不会干扰PU [6]。有三种范式可以使PU和SU的共存成为可能：底层，叠加和交织[7]。只要对PU的干扰低于某个阈值，底层范例允许SU与PU同时发送。在覆盖范例中，SU通过帮助维持或改善具有复杂信号处理和编码的PU的通信来从PU获得频谱。在交织范例中，SU在没有干扰PU的情况下机会性地访问频谱空洞。随着所有这些范式的发展，频谱效率可以显着提高，因此SU的能耗可以降低。

key：认知无线电技术——SU使用PU频谱而不造成干扰成为可能，底层、叠加、交织

在实际的无线传播环境中，PU的传输可能会因多径衰落而遭受严重衰减，这将极大地降低PU的网络性能并缩短电池寿命，从而影响SU可以访问主要频道。为了解决这个问题，已经提出协作通信（CC）作为通过将直接路径划分为若干较短链路来减轻多径衰落的强大工具，并且可以引入认知无线电网络（CRN）。通过利用中继节点提供的空间分集，CC也被证明是能量有效的，因此无线信道损伤的破坏性较小，并且在源和中继中可以使用较低的传输功率[8]。 CC可以通过两种方式设计：解码转发（DF）和放大转发（AF）[9]。在CRN中，合作通信可以分为两类：i）SU之间的合作; ii）PU和SU之间的合作。在本文中，我们将重点关注后者，其中SU首先作为合作中继来帮助PU更早地完成其传输，并且作为回报获得PU的信道[10]，[18]。该框架是众所周知的协作认知无线电网络（CCRN），其中实现了PU和SU之间的相互益处。

key：协作通信，本文重点关注PU和SU之间的合作

在CCRN中PU和SU之间的合作通信已经在文献[11] - [20]中被广泛研究，其中大部分集中于为PU和SU提供普遍存取的接入和高吞吐量。此外，他们中的一些人隐含的前提是，只要某些形式的奖励由PU保证，例如吞吐量，能源效率或一般公用事业（例如，奖励和支付的功能），SU就会参与合作。 。然而，在实践中，如果没有激励措施，如果SU具有轻载和延迟容忍的流量，或者如果从CC接收的奖励不超过通过直接使用PU的空闲信道所获得的奖励，则SU可能不会对合作感兴趣。未来。因此，SU可以保持其传输以用于稍后的时间而不是立即合作。为了进一步说明SU在CCRN中的合作策略，我们使用了一个玩具示例，如图1所示。假设在CCRN中存在占用不同频谱带的M个PU。由于PU的信道可用性和流量负载的时变特性，SU需要决定何时以及与PU合作。例如，在时间t0，SU可以选择PU1与之合作，然后获得其用于辅助传输的信道，或者等待直到时间t1以直接使用PU2的信道。显然，不同的策略会产生不同的结果

key：PU有激励，例如信道资源，SU根据策略选择与其合作

能量消耗，延迟和吞吐量，这使得寻找SU的最佳合作策略的问题具有挑战性。
此外，为了进一步刺激CCRN背景下的“绿色”通信，需要更多的努力来研究除PU之外的SU的能量效率。原因是二次无线设备的数量在当前和可预见的ICT行业中是显而易见的，并且这些设备仅具有有限的电池存储，而能量耗散率是用户主要关注的问题之一。然而，在最近的CCRN研究工作中，从SU的角度来看，开发一种能源效率高的合作战略很少被仔细研究。因此，在本文中，我们试图通过探索SU在CCRN中的合作策略来解决这个问题，目的是最大化其能源效率。具体来说，我们考虑一个时隙CCRN，其中SU具有延迟容忍的数据包以在特定期限之前传输。 SU按时间顺序观察主网络，并在时间（即，什么时间）和空间（即，哪个PU）域中进行协作决策。由于时间不可逆性以及PU未来信道可用性和流量负载的不确定性，SU需要为数据传输选择最佳停止时间以实现最大能量效率。因此，我们基于最优停止理论[21]来制定这个与决策相关的问题，并从称为反向归纳的动态规划方法中获得解决方案。特别地，本文首先讨论了SU尝试传输固定数量的数据包时的最优协作策略，然后探讨了SU在决策过程中不断有新的到达数据包的情况。我们的主要贡献总结如下：

key：最优协作策略，最优停止理论，本文探索SU在CCRN中的合作策略

• 这是研究SU在CCRN中的能量有效合作策略的第一项工作，其中考虑了PU在信道可用性和流量负载方面的时间和空间差异。
• 我们在本文中考虑两种实际情况。
第一个是SU安排传输固定数量的数据包。另一个是SU在观察和决策过程中不断有新的到达包，并且传输截止日期是动态的，这取决于SU的缓冲区流量概率。两种情景的决策相关问题都是基于最优停止理论制定的，后向归纳法用于推导出相应的最优策略。
• 我们彻底调查SU在空间和时间领域的最佳合作策略。一方面，SU选择空间域中最小交通负载的PU。另一方面，在时域中，我们考虑瞬时和长期预期的能量效率，并选择其中瞬时奖励大于预期奖励的第一时隙。

key：本文研究SU在CCRN中的能量有效合作策略，考虑了PU在信道可用性和流量负载方面的时间和空间差异

key：最优停止理论，后向归纳

key：瞬时激励和长期预期激励的影响

key：停止规则：瞬时值大于预期值

保护智能家居免受互联网交通分析的差异化隐私框架

2018 c16

​ 物联网（IoT）成为一种新颖的范例，因为越来越多的设备连接到互联网，实现了智能家居，工业自动化和互联健康等几个创新应用。然而，对这些应用的网络攻击是一个大问题，并且迫切需要提供系统安全性和用户隐私的对策。在本文中，我们对智能家居进行了交通分析攻击，其中对手拦截来自智能家居网关的互联网流量，并通过数字轨迹来分析居民的行为。由于攻击者的机器学习算法在对加密流量进行分类时的有效性，传统的加密工具可能无法正常工作，因此我们在此提出了一个隐私保护流量混淆框架来实现目标。具体而言，我们利用无线连接智能家居的智能社区网络，并在进入互联网之前故意将每个智能家居的交通指向另一个家庭网关。该设计共同考虑了网络能耗和物联网设备中的资源限制，同时实现了强大的差异化隐私保障，使得对手无法将任何流量链接到特定的智能家居。此外，我们考虑一个敌对的智能社区网络，并开发安全的多跳路由协议，以保证源/目的地不可链接性，并满足每个用户的个性化隐私要求。为了评估我们的框架在保护隐私和降低网络能耗方面的有效性，广泛的模拟结果表明，我们的设计在保护隐私和降低网络效用成本方面优于其他差异隐私机制。

key：物联网

key：双目标：加强隐私保护，减少资源消耗

key：将每个只能家居的通路指向另一个家庭网关，考虑网络能耗和资源限制；多跳路由保证源/目的不可链接性

key：智能设备；健康

key：智能设备收集个人信息，隐私

​ 在提供强有力的隐私保障时，选择合适的代理网关是一项非常重要的任务，这样对手就无法区分特定流量的来源。同时，代理网关选择策略应该考虑网络资源消耗（例如，能量，计算和通信资源），以便实现隐私和效用之间的良好平衡。此外，当我们考虑到一些智能家庭网关受到攻击者攻击的主机环境时，源和目的地之间的多跳路由设计迫切需要确保任何中间或代理网关不知道流量来源的起源从。为了应对这些挑战，在本文中，我们为连接的智能家居提出了一个高效且隐私保护的流量观察（EPIC）框架。我们的贡献可归纳如下。
• 我们开发了一种用于选择代理网关的差异私有（DP）机制。 DP机制旨在最大限度地减少由于多跳传输引起的网络能量消耗，同时为智能家庭提供差异化隐私保障，并满足家庭网关中的往返延迟和计算资源限制。 DP机制设计被建模为线性优化问题，该问题被解决以获得每个智能家居的选择策略。
• 为了确保源和目标家庭网关之间的不可链接性，我们提出了用于上行链路传输的定向随机漫游（DRW）方案以及用于下行链路传输的DRW和FLOoding混合路由方案。特别地，下行链路路由协议被设计为限制中间网关在指定级别下推断源网关的能力。总体设计进一步与先前的DP机制设计相结合，并且开发了迭代算法以搜索解决方案。
• 基于真实的社区拓扑进行广泛的模拟。我们应用指数DP机制作为基准，并在数值上证明我们的框架具有减少网络资源消耗和确保智能家居隐私级别的优势。

key：代理网关，同时考虑资源

key：流量观察框架：EPIC

key：不可链接性：定向随机漫游，定向随机漫游和洪泛混合路由方案

key：建模模拟

具有三个缺口带，采用新型双模SIR和非对称耦合结构的UWB BPF

2012 c11

​ 本文介绍了一种具有三个缺口带的新型超宽带（UWB）带通滤波器（BPF）。基本的UWB BPF由Y形多模式谐振器实现。为了抑制干扰信号，嵌入了一种新颖的双模步进阻抗谐振器，以在5.85 / 8.13 GHz处引入双陷波频带。由于非对称耦合结构，还实现了以7.12GHz为中心的另一个陷波带。使用经典的偶模和奇模方法对滤波器进行了分析。为了验证，已经模拟，制造和测量了两个样品过滤器。在模拟和测量之间找到了良好的一致性。 pro2提出的滤波器的实现区域是14.7？ 10.1毫米。

key：偏硬件设计，"十分"通信……

基于策略的数据库驱动认知无线电网络中主要用户的隐私保护方案

2016 c5

​ 在认知无线电网络（CRN）中，频谱数据库已被公认为是在主要用户（PU）和次要用户（SU）之间动态共享许可频谱的有效手段。在频谱数据库中，受保护的现有企业（又称PU）和CR（又称SU）需要在数据库中注册其操作规范，例如发射功率，天线高度，操作时间等，以便提供最新的功能。公共查询的日期无线电地图，避免可能的干扰。然而，它带来了潜在的严重隐私问题，特别是当政府和军事系统通过频谱数据库参与频谱共享时。然而，最近的研究工作在数据库驱动的CRN中，仅侧重于保护用户的位置隐私，而仅仅研究保留PU的操作规范。在本文中，我们提出了一种安全的隐私保护方案，该方案使用隐藏的基于策略辅助属性的加密技术来保护敏感PU的操作隐私，而不会影响数据库的可访问性和频谱利用效率。安全性和性能分析表明我们的方案安全且计算效率高。此外，我们的政策辅助计划具有实用性和前景，因为它与FCC / NTIA在数据库驱动的CRN中的频谱监管规则保持一致。

key：数据库驱动的CRN

key：加密，保护敏感PU操作隐私，辅助策略

key：在大量访问用户中隐藏PU而不泄露其操作规范

key：受信任的机构（TA)，将加密的控制消息与频谱数据库策略相匹配，在特定时间和区域对特定频谱进行访问控制。

​ 这些策略隐藏在Or-和And-gate的访问树结构中，因此攻击者无法获得确切的策略内容。然后，可信机构基于其操作规范为接入用户（即PU / SU）生成属性凭证。在公共查询/浏览到频谱数据库之后，用户将其属性凭证上载到数据库以在特定时间和位置请求特定频谱。然后，数据库获取用户的属性凭证来访问树结构以解密控制消息，例如可以“接受”，“拒绝”，“向TA报告”等。如果可以成功获得明文消息，则数据库根据控制行为消息;如果没有，数据库拒绝用户的请求。因此，我们的方案可以在大量访问用户中实现敏感PU的匿名性，并且还可以对其操作规范进行模糊处理。更重要的是，敏感的监管政策也对频谱数据库保密。

key：属性凭证访问树结构，匿名PU

公开验证外包加密数据的布尔查询

2015 c4

外包存储和计算到云已成为企业和个人的常见做法。由于云是半信任的或易受攻击，许多研究表明外包数据应该加密，然后使用可搜索的对称加密（SSE）方案进行检索。由于云不完全受信任，我们怀疑它是否总能正确处理查询。因此，需要用户验证他们的查询结果。受此启发，在本文中，我们提出了一种基于累积树的可公开验证的动态可搜索对称加密方案。我们首先构建一个基于加密数据的累积树，然后将它们外包给云。接下来，在搜索操作期间，云通过将布尔查询操作映射到设置操作来根据查询结果生成相应的证据，同时保持隐私保护并实现验证要求：新鲜度，真实性和完整性。最后，我们通过将累积树划分为不同的小积累树来扩展我们的方案，以使我们的方案可扩展。安全性分析和性能评估表明，该方案安全可行。

key：云外包存储和计算

key：基于累积树，公开验证，可搜索对称加密方案

• 我们针对外包动态加密数据提出公开布尔查询完整性验证方案，以检查查询结果的新鲜度，真实性和完整性。
• 我们在DSSE中构造一个累积树，一个特殊的Merkle哈希树，用于映射关键字的布尔运算以设置操作，这与传统的签名或聚合签名不同。
• 我们通过将加密数据分成小组来扩展我们的方案，然后为每个组构建相应的累积树，以使我们的方案成为有效且可扩展的解决方案。
• 进行安全性和性能分析，以表明所提议的方案是保护隐私和实用的。

key：DSSE: 动态SSE-动态可搜索的对称加密

key：分组累积树

认知无线电网络中基于会话的合作：网络级方法

2018 c3

​ 目前，认知无线电网络（CRN）中基于合作的频谱接入是通过基于链路级基于帧的协作（LLC）方法的合作通信实现的，其中个别二级用户（SU）独立地用作主要用户（PU）的中继，以获得频谱接入机会。不幸的是，这种LLC方法无法充分利用频谱接入机会来增强CRN的吞吐量，并且无法激励PU加入频谱共享过程。为了解决这些挑战，我们提出了一种基于网络级会话的协作（NLC）方法，其中SU被分组在一起以逐个会话而不是逐帧地与PU协作，以用于相应组的频谱接入机会。为阐明我们的NLC方法，我们在认知能力收集网络架构下进一步开发NLC方案。我们将协作机制设计制定为跨层优化问题，对主会话选择，流路由和链路调度有约束。通过广泛的模拟，我们证明了所提出的NLC方法的有效性。

key：基于合作的频谱接入，认知无线电网络

key：SU分组在一起以逐个会话地与PU协奏，以用于相应组的频谱接入机会

• 这是考虑基于网络级会话的CRN协作的第一项工作。与现有方案不同，所提出的NLC方案是全网络协作方案，其中由SSP部署的BS和CR路由器作为一个组与PU协作以用于CCHN的频谱接入机会。
• 为了表征CCHN中的干扰关系，我们引入了一个与PU相关的冲突图，它不仅表征了CR链路之间的冲突关系，而且还捕获了CR链路，PU相关链路，和主会话之间的冲突。
• 我们将协作机制设计制定为跨层优化问题，通过联合考虑主会话选择，流路由和链路调度约束来最大化CCHN的吞吐量。

key：全网络协作

key：跨层优化

我们的CCHN由SSP，BS，CR路由器和SU组成。 SSP是独立的无线服务提供商，例如愿意向蜂窝用户提供更好或新类型服务的蜂窝运营商，并且具有其自己的许可频谱频带，称为SSP的基本频带。 SSP负责其覆盖范围内的频谱协调和服务提供。为了向SU提供通信服务，SSP部署或租赁一些BS以用于基本服务覆盖，如在蜂窝系统和CR路由器中所做的那样，以便有效地利用资源。 BS通过Internet或其他高速数据网络与有线连接互连，并作为CR路由器的网关，以便CCHN可以获得骨干网络服务。 BS还充当SSP的代理，以与CR路由器和SU交换控制信令。 CR路由器是具有认知无线电功能的智能无线路由器，在SSP的监督下运行。 BS和CR路由器都配备有多个无线电接口，例如认知无线电接口，蜂窝接口和WiFi接口，并且可以在SSP的基本频带，未许可频带（例如，ISM频带）和未占用的许可频带上操作。