Rethinking Secure Resource Allocation: When NOMA Meets Finite Blocklength
Notice bibliographique
Résumé
The allocation of secure resources in non-orthogonal multiple access (NOMA) systems has gained significant recognition as a vital research focus in the realm of the Internet of Things (IoT). Previous studies have overlooked the security challenges associated with integrating NOMA with finite blocklength (FBL) transmission. Therefore, this paper examines a secure downlink NOMA system utilizing FBL transmission, which includes a base station (BS), a near user, a far user, and an external eavesdropper. We develop an optimization problem with the objective of maximizing the near user’s effective secrecy throughput, considering the secrecy rates, decoding error probabilities (DEPs), and effective secrecy throughput for both users. Notably, by meticulously defining the DEPs of the users as optimization variables, the monotonicity and concavity of these DEPs in relation to the blocklength, transmission power, and transmission rate can be established effectively. The problem is divided into two sub-problems focusing on the essential conditions for the secrecy rate of the near user, especially in scenarios where successive interference cancellation (SIC) is unsuccessful. These sub-problems are addressed using the block coordinate descent (BCD) algorithm and an exact penalty method. For comparison, the BCD algorithm is also applied to solve the optimization problem using the orthogonal multiple access (OMA) scheme. Numerical simulations confirm the effectiveness of our proposed approaches in improving secure resource allocation when NOMA is combined with FBL transmission.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».