MétaCan
Menu
Retour à la cohorte
Enregistrement W4400944334 · doi:10.1109/jiot.2024.3422231

Physical-Layer Authentication Enhancement via Random Watermark Hopping

2024· article· en· W4400944334 sur OpenAlexaff
He Fang, Le Liang, Xianbin Wang

Notice bibliographique

RevueIEEE Internet of Things Journal · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Steganography and Watermarking Techniques
Établissements canadiensWestern University
Organismes subventionnairesNatural Science Foundation of Jiangsu Province
Mots-clésComputer scienceWatermarkAuthentication (law)Computer networkMessage authentication codePhysical layerDigital watermarkingComputer securityCryptographyArtificial intelligenceTelecommunicationsWireless

Résumé

récupéré en direct d'OpenAlex

Existing physical-layer authentication (PLA) schemes of tag superimposed on message signals (TSM) can achieve high authentication accuracy at the cost of increased latency and reduced communication performance. The schemes of tag superimposed on pilot signals (TSP) achieve desirable communication performance and low latency, but low randomness of the tag results in lower security. To further improve both security and communication performance, we propose a pseudo random watermark hopping-based PLA scheme in this article. The proposed scheme generates a pseudo-random sequence and designs a watermark hopping mechanism, which superimposes a carefully designed tag on the pilot or message signals accordingly. The proposed scheme enhances the security by utilizing the randomness from both tag generation and watermark hopping mechanism. Meanwhile, it decreases the authentication latency and improves the communication performance by superimposing the tag on the pilot signals without the message recovery process before authentication. The theoretical and experimental results demonstrate that the proposed scheme decreases the bit error rate (BER) and outage probability as well as increases the achievable rate of the system compared with the TSM scheme with the same key equivocation. Moreover, the security performance of our scheme is significantly improved compared with both TSM and TSP schemes.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,852
Score d'incertitude au seuil0,490

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,275
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetAdvanced Steganography and Watermarking TechniquesTravaux en français237 207