Location-Aware Anti-Jamming Game: An Intelligent Approach for Reliable Wireless Communications
Notice bibliographique
Résumé
The innovative development of wireless communication technologies has witnessed a growing number of dynamic jamming attacks. Enabling the receiver to make real-time decisions that enhance the communication quality from the transmitter and to defend against the interference from the jammer becomes a key challenge, which can be modeled as a game. In such a game, the receiver aims to optimize communication performance by adjusting its geographical location and negotiating frequency band. Meanwhile, the jammer tries to launch more effective attacks according to decisions made by the receiver. Nevertheless, the complex electromagnetic environment, combined with the vast decision possibilities thereby induced, poses significant challenges in accurately quantifying payoff matrices within such games. Specifically, two-dimensional geographical location and one-dimensional frequency band form a three-dimensional strategy space, further introducing difficulties for intelligent and efficient decision-making. To address these challenges, we first develop a location-aware anti-jamming game (LAJ game) to characterize the simultaneous decision-making and non-cooperative relationship between the receiver and the jammer, with Nash Equilibrium (NE) being the optimal strategy for both game players. Through appropriate discretization, we then compute two payoff matrices based on various geographical locations and frequency bands. Finally, we propose ResBiNet, a continuous series-parallel architecture that utilizes inverted residual blocks to construct a deep cascade residual network, specifically designed to effectively solve large-scale LAJ games. Extensive experiments using real-world and synthesized datasets demonstrate that our proposed method can exponentially reduce running time while achieving an approximation error of less than 5%, offering an intelligent and efficient solution to address location-aware anti-jamming communication challenges.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».