MétaCan
Menu
Retour à la cohorte
Enregistrement W4402811598 · doi:10.1109/iccc62479.2024.10681904

Establishing Secure Region for Covert Communication Based on Frequency Diverse Array

2024· article· en· W4402811598 sur OpenAlexaff
Yi Zhou, Jinsong Hu, Youjia Chen, Jun Wang, Feng Shu, Zhizhang Chen

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueBiometric Identification and Security
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Science Foundation of Fujian ProvinceHainan UniversityNational Natural Science Foundation of China
Mots-clésCovertComputer scienceComputer securityComputer network

Résumé

récupéré en direct d'OpenAlex

This work investigates the frequency diverse array (FDA)-assisted covert communication system, in which the general beampattern generated by FDA is utilized to establish a secure region for the legitimate user, thereby improving the system’s covert performance. Specifically, we first derive a closedform expression of the system covertness constraint based on Kullback-Leibler (KL) divergence. Then, when the FDA beampattern power attenuates to a value that satisfies the covertness constraint, the secure region is defined and the corresponding boundary expression of which is also deduced. Furthermore, to reduce the risk of covert transmission being detected, the secure region minimization problem is established, while the methods based on the Rayleigh-Ritz theorem and nonlinear programming are formulated to solve the optimization problem, respectively. Simulation results compare the different frequency schemes and show that the optimized frequency leads to a smaller area of the secure region and lower KL divergence than the benchmark 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)0,000
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil0,699

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,038
Tête enseignante GPT0,276
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiometric Identification and SecurityTravaux en français237 207