面向多智能反射表面的物联网安全传输算法

2022-04-01梁兆杰李军暖

无线电通信技术 2022年2期

梁兆杰,田杰,李军暖,宋康

(1.深圳供电局有限公司，广东深圳518000;2.中科新声(苏州)科技有限公司，江苏苏州215163;3.青岛大学电子信息学院，山东青岛266071)

0 引言

随着移动互联网、物联网的飞速发展，现有移动通信系统已经无法满足人们对于超高速率、无缝覆盖、安全可靠、绿色智能等多方面的需要[1-3]。特别是人工智能技术的广泛应用，对于未来物联网中节点提出了新的要求[4-5]。同时需要关注系统复杂度，尽可能在保证系统性能的情况下，降低发送预编码、接收滤波器等模块的复杂度[6-9]。基于这些需求，一些新兴技术如智能反射表面(Reconfigurable Intelligent Surface，RIS)、物理层安全(Physical Layer Security，PLS)得到了学术界越来越多的关注。

智能反射表面技术是一种新兴的协作传输技术，由若干可以调节无线电波相位的基本反射单元构成。因其结构简单、成本低廉、适合大规模部署，被认为是下一代移动通信系统的潜在关键技术[10-13]。可以根据不同的需求，通过合理的调节每个基本反射单元的相位，从而改变反射后无线电波的特性。

现有实际通信系统中，通信安全大部分在应用层依靠加密算法实现，这种实现方法依赖于密码学相关理论，特点是理论基础较为成熟，实现较为简单。但是，由于传统密码学基于大量数学运算，伴随着算力的提升，相应地加密算法必须同步更新迭代才能保证有限时间内的通信安全。近些年，基于通信物理层特性的物理层安全理论逐步得到关注。其在物理链路上抑制窃听设备的有效接收信息量，能够取得较好的安全性能[14-19]。

目前，基于物理层安全的智能反射表面安全传输算法研究尚处于起步阶段，特别是对于大量智能反射表面部署的场景，如何高效合理安排多个智能反射表面的协同处理，从而实现安全有效的传输这一问题仍然没有得到较好的解决。基于此，本文重点研究采用物理层安全的物联网中安全传输技术，提出了一种高效的智能反射表面选择算法改善智能表面辅助的物联网系统安全容量性能，其在全部智能反射表面中选择一个子集传输，以达到传输复杂度和系统安全性能之间的平衡。

1 系统模型

如图1所示，本文考虑由基站(Base Station，BS)、智能反射表面、用户设备(User Equipment，UE)组成的物联网传输系统，其中基站和用户设备均为单天线节点，工作在半双工模式。由于建筑物遮挡、距离较远等原因，基站和用户设备之间假设没有直达链路，需要通过智能反射表面辅助进行通信。

图1 智能反射表面传输系统模型Fig.1 System model for RIS transmission

(1)

(2)

式中，|·|符号表示复数取模运算。根据香农容量公式，用户终端的容量可以表示为：

(3)

1.1 用户侧窃听

如图2所示，当窃听设备距离用户设备比较近，窃听设备所窃听到的信息主要来源于智能反射表面反射的信号，此时窃听设备接收到的信号可以表示为：

(4)

(5)

窃听设备的容量可以表示为：

(6)

图2 用户侧窃听系统模型Fig.2 System model for eavesdropper at user side

1.2 基站侧窃听

如图3所示，当窃听设备距离基站比较近，或者基站到窃听设备的信道比较好时，窃听设备所窃听到的信息主要来源于基站直达链路传输，此时窃听设备接收到的信号可以表示为：

(7)

(8)

窃听设备的容量可以表示为：

(9)

图3 基站侧窃听系统模型Fig.3 System model for eavesdropper at base station side

2 安全传输算法

根据Wyner对于窃听信道的研究[20]，系统的传输安全性可以用系统安全容量(Secrecy Capacity，SC)来度量，其定义为系统中合法用户容量C与系统中窃听设备容量CE之差，即：

SC=C-CE，

(10)

(11)

式中，ti∈{0,1}表示第i个智能反射表面是否参与传输。从公式(10)可以看出，为了实现系统更加安全的传输，可以提升合法用户容量，或者降低窃听设备容量。由于窃听设备往往具有随机性，同时窃听设备的信道状态信息很难获取，因此降低窃听设备容量在实际系统中比较困难，提升系统传输安全性主要依靠提高合法用户容量来实现。

因此，为了提升系统的安全性能，需要最大化系统安全容量，这意味着需要让尽可能多的高安全容量链路上的智能反射表面同时参与传输，休眠低安全容量链路上的智能反射表面。但是随着参与传输的智能反射表面数量增加，系统协调的复杂度和开销大大增加。为了尽可能在二者之间取得折中，本文基于单一智能反射表面工作模式，提出了一种面向物理层安全的智能反射表面选择算法，从全部M个智能反射表面中选择Ms(Ms≤M)个参与传输，如算法1所示。

算法1 智能反射表面选择算法输入:(M,N,Ms,P,hRISij,hBSij,gBS,gRISij,σ2UE,σ2E)输出:智能反射表面选择集合Φ1.fori←1 to M do2.计算第i个智能反射表面单独工作时系统安全容量SCi;3.end4.对SCi(i=1,2,…,M)进行从大到小排序,得到SCSi(i=1,2,…,M),其中Si表示排序后第i个元素在排序前的次序,满足一一对应关系;5.令Φ=S1,S2,…,SMs{}并输出Φ。

3 仿真验证

图4给出了用户侧窃听场景下，本文算法与随机智能反射表面选择算法的安全容量随发送信噪比变化曲线，可以看出，本文所提算法明显好于同参数下的随机选择算法。同时，随着所选择参与传输的智能反射表面数量增加，系统安全容量也逐步增大。

图5给出了用户侧窃听场景下，当反射表面总数量M变化时，本文算法的安全容量随发送信噪比的变化曲线。随着智能反射表面总数量M增长，系统的安全容量也相应的增长。尽管参与传输的智能反射表面数量没有变化，通过合理的选择，新增加的智能反射表面还是提供了潜在增益。

图6给出了用户侧窃听场景下，当单个反射表面上的反射单元总数量N变化，本文算法的安全容量随发送信噪比的变化曲线。随着智能反射表面反射单元N增长，更多的反射单元参与到传输过程中，能够有效的提升系统的安全容量。

图7给出了基站侧窃听场景下，本文算法与随机智能反射表面选择算法的安全容量随发送信噪比变化曲线；图8和图9是基站侧窃听场景下，反射表面总数量M变化时的变化曲线和单个反射表面上的反射单元总数量N变化时的变化曲线。可以看出，基站侧窃听场景下系统安全容量的整体趋势和用户侧窃听场景基本一致，所提算法相对于随机选择算法有着明显增益。

图7 基站侧窃听场景下本文算法与随机智能反射表面选择算法的安全容量对比Fig.7 Secrecy capacity comparison between the proposed algorithm and random RIS selection algorithm for eavesdropper at base station side

图9 基站侧窃听场景下本文算法在智能反射单元数目不同时的安全容量Fig.9 Secrecy capacity of the proposed algorithm with different number of RIS elements for eavesdropper at base station side

一般来说，当基站侧和用户侧均存在窃听用户时，因为窃听用户总容量提高了，此时如果采用和前面单独用户侧窃听或者单独基站侧窃听相同的仿真参数，系统的安全容量将会非常差。为了更好的说明系统安全容量的变化趋势，此时将窃听信道的方差相应地减小至1/10。图10给出了基站侧和用户侧均存在窃听用户时，本文算法与随机智能反射表面选择算法的安全容量随发送信噪比变化曲线；图11和图12是基站侧和用户侧均存在窃听用户时，反射表面总数量M变化时的变化曲线和当单个反射表面上的反射单元总数量N变化时的变化曲线。和前两种场景类似，本文所提算法在这种复杂情况下，仍然具有较好的性能，系统安全容量也会随着反射表面总数量、反射单元总数量的增加而增加。

图10 用户侧和基站侧均存在窃听场景下本文算法与随机智能反射表面选择算法的安全容量对比Fig.10 Secrecy capacity comparison between the proposed algorithm and random RIS selection algorithm for eavesdropper at both user side and base station side

图11 用户侧和基站侧均存在窃听场景下本文算法在智能反射表面数目不同时的安全容量Fig.11 Secrecy capacity of the proposed algorithm with different number of RIS for eavesdropper at both user side and base station side

图12 用户侧和基站侧均存在窃听场景下本文算法在智能反射单元数目不同时的安全容量Fig.12 Secrecy capacity of the proposed algorithm with different number of RIS elements for eavesdropper at both user side and base station side