Invited Paper: Raptor Code and Massive MiMo for Secure Wireless Delivery in 5G
Notice bibliographique
Résumé
Based on broadcast transmission, the future Fifth-Generation networks, 5G, suffer from a critical threat, which is the eavesdropping. This issue can be fixed with the cryptographic protocols. Nevertheless, this method is complex and challenging because of the active topology of wireless networks, which does not permit effective management of security keys. Recently, Physical Layer Security (PLS) method is applied as an alternative solution to mitigate the privacy problem, where the characteristic of the physical layer schemes, namely the modulation, Massive Multi-Input Multi-Output (m-MiMo) and channel coding are exploited to ensure privacy. The fountain code is one of these methods where the legitimate receiver must recover the message before eavesdropper did. However, this feature cannot be exploited in 5G networks in the presence of an intruder using the m-MiMo. Furthermore, the design of Artificial Noise (AN) needed in m-MiMo involves a computational complexity and excessive consumption of energy that complicate the secrecy management for fountain code. In this article, we propose a new method to avoid this problem by judiciously exploiting the features of both technologies. The new approach uses the Raptor code feature, as considerably as the m-MiMo parameters aided by AN signal while reducing the transmission power of the AN. The numerical results indicate that the new approach ensures the protection of legitimate users on the channel and minimizes energy expenditure, which potentially gets to this proposed method a greener and secure transmission.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».