Joint Channel Estimation, User Activity Identification, and Pilot Contamination Attack Detection for mmWave Grant-Free Massive MTC Networks: A Three-Dimensional Compressive Sensing-Based Approach
Notice bibliographique
Résumé
Millimeter-wave (mmWave) grant-free (GF) access is a promising approach for massive machine-type communication (mMTC) networks to improve the access efficiency and alleviate the shortage of spectrum resources. Due to the lack of authentication, mmWave GF-mMTC networks are vulnerable to the pilot contamination attack (PCA), which can cause severe performance degradation of the channel estimation (CE) and user activity identification (UAI). However, the existing PCA resistance schemes for mmWave GF-mMTC networks perform the CE, UAI, and PCA detection through two separated phases, which will limit the system performance. To solve the problem, we establish a three-dimensional (3-D) transmission model with time-correlated two-dimensional sparsity for mmWave GF-mMTC networks under PCA, where the user activity sparsity, the virtual angular channel sparsity, and the temporal correlation of legitimate user (LU) status are jointly considered. Based on the established transmission model, we develop a 3-D compressive sensing based joint CE, UAI, and PCA detection (3D-CS-JCUPD) scheme. In this scheme, a parallel expectation-maximization vector approximate message passing with multiple measurement vector (Parallel EM-VAMP-MMV) algorithm is proposed to estimate the channel virtual representation (CVR) and the LU status is identified with the aid of different temporal correlation features between LUs and attackers. Moreover, we also develop a location information aided joint CE, UAI, and PCA detection (LIA-JCUPD) scheme to address the situation when attackers and LUs exhibit similar temporal correlations, where the BS utilizes the recorded LU location information to distinguish the LU status. Simulation results show that the developed schemes can achieve substantial performance gains over several reference 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 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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».