Physical Layer Security of Cognitive Ambient Backscatter Communications for Green Internet-of-Things
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The future sixth generation (6G) wireless communication networks will face the challenges of large-scale connections green communication. To meet these requirements, cognitive ambient backscatter communication (C-AmBC) has been proposed as a new spectrum paradigm for the green Internet-of-Things (IoT) with stringent energy and spectrum constraints, in which the backscatter device (BD) can achieve communications by simultaneously sharing both spectrum and radio-frequency (RF) sources. However, due to the broadcasting nature of wireless communication channels, BD is vulnerable to eavesdropping from unlicensed eavesdroppers. To address this, this paper proposes a framework of C-AmBC networks in the presence of an unlicensed eavesdropper. Specifically, we investigate the reliability and security of the proposed framework by invoking the outage probability (OP) and intercept probability (IP) with analytical derivations. In addition, the asymptotic behaviors are conducted for the OP in the high signal-to-noise ratio (SNR) regime and IP in the high main-to-eavesdropper ratio (MER) regime. Extensive analytical and computer simulated performance evaluation results show that: 1) when the considered system is under high SNR, the OP of the legitimate user and BD tends to be a non-zero fixed constant, indicating that the existence of error floors for the diversity orders; 2) the performance trade-off of reliability and security can be optimized by adjusting various parameters of the considered system; 3) with the increase of MER, the security of the legitimate user increases, while that of BD decreases.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle