Reconfigurable Intelligent Surface智能反射面
Secrecy Communication保密通讯
Physical Layer Security
文章目次
- 写在前面
-
- 一、读的几篇论文
- * Reconfigurable Intelligent Surface Assisted Secret Key Generation in Quasi-Static Environments
- Intelligent Reflecting Surface Assisted Secrecy Communication: Is Artificial Noise Helpful or Not?
- Physical Layer Security of Intelligent Reflective Surface Aided NOMA Networks
- Intelligent Reflecting Surface for Wireless Communication Security and Privacy
写在前面
由于相干研究的范围很广且各有特点，本文
将 IRS 辅助的无线通讯体系的物理层安全研究大致
总结为如下几个主要方向：
- 一是信息理论安全 ，该研究方向重点聚焦于 IRS 辅助的无线通讯体系的安全速率（SR, secrecy rate）、安全停止概率（SOP,
secrecy outage probability）等 PLS 性能指标的理论分析或优化提拔[25-72]。
- 二是隐蔽通讯 ，该研究方向旨在借助 IRS 的可重构能力将合法链路的通讯隐蔽起来，制止被 Eav 侦测到[73-79]。
- 其他研究方向包括 IRS辅助的无线通讯体系中的密钥生成[80-83]、导频污染攻击[84-85]等
IRS 辅助的无线通讯体系的物理层安全
1 信息理论安全
在无线窃听情况中，除了 LU，还存在 Eav。由于无线通讯的广播性质，BS 端发送的信息不仅能被 LU 接收，同样可以被 Eav
接收到。两者的数据速率差值即无线体系的 SR。如图 2 所示，将 IRS部署在无线情况中，毗连信号被障碍物拦截，信号可通过 IRS 反射到 LU 和
Eav。联合优化 BS 端 BF矢量和 IRS 端相位配置，可以提拔 LU 处的数据速率并降低 Eav 处的数据速率，从而起到提拔体系 SR和增强体系
PLS 的效果。
安全优化
优化算法设计是信息理论安全中流行的研究方向之一。对于差别的无线窃听情况，如多 Eav、多 LU、存在干扰者等场景，需要差别的算法来优化无线体系的 PLS
性能。针对 SR、发送功率等差别的优化性能指标和差别的限定条件，许多研究都提出了有效的算法，如基于瓜代优化和凸优化的传统算法、基于深度强化学习（DRL,
deep reinforcement learning）的人工智能方法。
文献[25-26]研究了单天线的一个 Eav、一个 LU的 IRS 辅助无线体系，并基于瓜代优化提出了最大化体系 SR
的算法。针对同样的无线体系，文献[27]研究了发送功率最小化问题，基于半正定规划（SDP,semi definite
programming）求解并得到了最优 BF矢量的闭式表达式。文献[28]将体系扩展到了具备多天线的 Eav 场景，并得到了最大化 SR 的 BS 端BF
矢量和 IRS 相位配置的闭式和半闭式表达式。针对同样的模子和问题，文献[29]通过分式规划（FP,fractional
programming）和流形优化（MO, manifoldoptimization）求解。进一步地，文献[30]思量了多天线的 Eav 与
LU，并设计了最小−最大化（MM,minorization-maximization）算法来提拔体系 SR。思量更现实的 OFDM 体系，文献[31]利用
MM 算法和拉格朗日乘子法优化了 BS 端的多载波传输 BF 矢量和 IRS 相位配置，提拔了体系 SR。在未来的B5G/6G 中，mmWave
及太赫兹频段或将成为主要技术，因此，文献[32]在 mmWave 场景中部署了多块 IRS 用于补偿 mmWave 的高路损，研究了多块IRS
的选择问题，设计了瓜代优化算法来优化多块IRS 的选择向量、BS 端 BF 矢量和 IRS 相位配置。文献[33]则利用了高频段信道低秩的特性优化了BS
端的肴杂预编码和 IRS 相位配置。文献[34]思量了更复杂的无线情况，即存在多个 Eav 与多个 LU的体系，起首提出了路径跟踪算法以最大化体系的最小
SR，为了镌汰算法复杂度，又基于迫零（ZF,zero force）BF
设计了一种具有闭式表达式的启发式算法。文献[35]研究了IRS能否用于人工噪声（AN,artificial noise）所增强的 MISO
无线窃听体系中，通过 SDR 方法联合优化了 AN 传输矢量、信息传输矢量和 IRS 相位配置，提拔了体系 SR，证明白 IRS与 AN 结合的有效性。对于
AN 辅助的多个 LU 与Eav 的 MISO 无线窃听体系，文献[36]研究了每对LU 与 Eav 的 SR 之和最大化问题，提出了基于
SCA与乘法器瓜代方向器（ADMM, alternating directionmethod of multiplier）的算法。文献[37-38]结合
AN在 IRS 辅助的 MIMO 体系中，基于最小均方误差（MMSE, minimum mean square error）和块坐标降落（BCD,
block coordinate descent）对 BS 端的信息 BF矢量、AN 传输矩阵和 IRS 端相位配置 3 个变量举行了联合优化，提拔了体系的
SR。文献[39]进一步地扩展了安全无线传输中多块 IRS 的选择问题，在多 LU 的体系中，每个用户可以选择是否激活某一块 IRS。基于 SDR 与
SCA 设计了联合优化 BS 端BF 矢量、IRS 相位配置、AN 传输矢量和多用户 IRS选择矩阵的方案来最大化体系 SR。在无线窃听体系中，除 SR
外，发送功率也是值得优化的一个性能指标，文献[40]利用二阶锥规划算法在满意肯定QoS 的条件下最小化发送功率；文献[41]思量了MISO 无线窃听场景中的
EE 优化问题。起首通过Dinkelbach 算法将分式目的函数转换为辅助变量相减的形式，之后利用瓜代优化和 SDR 举行求解；雷同于 AN 干扰 Eav
的功能，文献[42]采用协同干扰（CJ, cooperative jamming）技术，通过一个干扰器来降低 Eav
处的数据速率，将发送功率和干扰传输功率都思量在内，将体系的整体 EE 作为优化指标，采用 SDR 方法优化了 CJ 的 BF 矢量、BS 端BF 矢量和
IRS 相位配置。除了上述半双工的接收机，也有文献思量了全双工的接收机。文献[43]研究了在一个单输入多输出（SIMO, single-
inputmultiple-output）体系中的全双工接收机，该接收机除了接收信号还发送信号干扰
Eav；设计了BCD算法框架来联合优化接收机的接收BF矢量、发送 BF 矢量和 IRS 相位配置。结合 NOMA 技术，文献[44]通过 SDP 与 SCA
优化了 BS 端 BF 矢量和 IRS 相位配置，且部分用户有安全速率限定，能以较低的复杂度遍历搜刮找到最优的串行干扰消除（SIC, successive
interference cancellation）解码次序。在无线携能通讯（SWIPT, simultaneouswireless information
and power transfer）体系中同样存在窃听问题，文献[45]研究了 IRS 辅助的SWIPT 体系中的 PLS 相干问题，在满意肯定
SR限定下，设计了瓜代优化算法来最大化能量网络器处接收的能量。文献[46]将 IRS 辅助的 SWIPT进一步扩展到物联网场景并联合 CJ 技术，研究了肯定
SR 限定和功率传输限定下的能量网络最大化问题。通过一阶泰勒睁开、松懈变量等数学方法，将非凸问题转为凸问题并通过 SDR 举行优化；在双向通讯中同样可以应用
IRS。文献[47]研究了存在一个 Eav 的双向通讯场景和 SR 最大化问题，并基于瓜代优化算法优化了 2 个发送节点的发送功率和 IRS 相位配置。
上述研究工作都基于一个很强的假设：BS 端知晓 BS 到 Eav 的全部实时 CSI 。现实上，只有当Eav 曾接入 BS 中时才有可能获取其当时的
CSI。因此，许多研究更现实地假设只能获取 Eav 的部分CSI，即不完善 CSI 。除此之外，固然许多研究提出了 IRS
辅助无线体系的信道估计算法，但获取的CSI 仍然存在肯定程度的误差。由于 IRS 辅助无线窃听体系对LU与Eav处的信道特性差异尤为敏感，针对误差 CSI
设计具有高妥当性的优化算法是极故意义与价值的。文献[48]思量了 MISO 的无线窃听体系，并针对 3 种差别的 CSI
假设情况设计了对应的算法来最小化发送功率。文献[49]在 IRS 辅助的多窃听者 mmWave 无线体系中，利用离散样本加权和来处理 Eav 的 CSI
未知的问题，并利用 SDR 最大化了体系的最差 SR。文献[50]首次思量了数据统计的 Eav-CSI 误差模子，并在满意肯定停止概率的条件下，通过 SDR
与瓜代优化算法最小化了发送功率。由于算法基于 Eav 处级联信道的数据统计CSI 误差并思量停止概率限定，该算法相比基于完善 CSI
的工作有着更优越的妥当性。思量更复杂的多 Eav、多 LU 且 Eav
均配备多天线的无线体系，文献[51]结合AN并在不完善CSI及肯定Eav的QoS限定条件下，利用 SDR 和 SCA 最大化了多个 LU的最差 SR
总和。将 IRS 与 Eav 之间的信道建模为界限 CSI 错误模子，并利用线性矩阵不等式处理CSI 误差对算法设计带来的影响，提拔了算法的妥当性。结合
NOMA 场景，文献[52]在 Eav-CSI 完全未知的情况下，利用史密斯正交化求解 AN 传输矩阵来干扰外部
Eav。对于内部的窃听问题则通过瓜代迭代的方法来求解 IRS 相位配置和 BS 端功率分配；为了设计高妥当性的算法，使算法在 CSI
不正确时也能取得效果，文献[54]在文献[42]的基础上进一步思量了在界限 CSI 错误模子下，研究同样的CJ 辅助的 EE 优化问题。基于
S-procedure 处理 CSI不确定带来的影响，设计了在 CSI 不正确的情况下也能有效提拔体系 EE 的高妥当性算法。同样利用CJ
辅助的文献[53]则在界限 CSI 错误模子下研究了在窃听速率最大限定下如何最大化 SR
的问题，利用柯西不等式等数学工具将原非凸问题转为凸问题，并利用SCA和惩罚凸凹过程算法来优化发送端BF矢量及 IRS 相位配置。文献[55]基于未知分布的
CSI 错误模子，设计了满意肯定 PLS 条件下的广播多用户最小 SNR 的提拔算法。由于该算法不依赖于 CSI
错误模子的具体数学分布而仅基于均值和反差，因此拥有更好的妥当性；进一步思量 LU 处的 CSI 同样存在误差的情况，文献[56]假设所有 LU 与 Eav
处的 CSI 都满意界限错误模子，设计了在所有 CSI 均不完善的情况下也能提拔和速率的高妥当性联合优化算法。
除了传统的凸优化方法，深度学习和强化学习 也是有效的方法。文献[57]思量单输入单输出（SISO,single-input single-
output）OFDM 无线体系的 EE，并将其界说为 SR 除以总功率，其中总功率为发送功率加上所有 IRS
元件斲丧的功率，通过设计好的深度神经网络（DNN, deep neural network）来预测最优的 IRS 相位配置和 IRS
元件数目。文献[58]起首通过传统算法得到最大化 SR 的最优 IRS 相位配置和 BS 端 BF 矢量，并将最优值作为对应 CSI 输入的标签来练习
DNN。练习完毕后的网络可接收其他的 CSI 输入并输出这种情况下对应的最优解；在无人机（UAV, unmanned aerial
vehicle）通讯体系场景中，同样存在窃听问题且同样可由 IRS 辅助来增强 PLS。文献[59]设计了基于 DRL
的学习框架，将过时的CSI作为第一个深度确定性策略梯度（DDPG,deep deterministic policy
gradient）网络的输入，动作空间为 UAV 端的 BF 矢量和 IRS 相位配置，将UAV 的位置信息作为第二个 DDPG 网络的输入，将 UAV
的飞行距离和方向作为动作空间，两者的奖励函数均设置为与 SR 正相干。文献[60]利用 DRL算法将不完善的 CSI、LU 和 Eav
的数据速率作为状态，将从码本中挑出的 BS 端 BF 矢量和 IRS 相位配置作为动作，并设计了与 LU 数据速率正相干而与 Eav
数据速率负相干的奖励。通事后验决策状态学习来对抗 CSI 的不确定性并通过优先经验回放提高了学习效率，最终提拔了多用户的最差 SR
之和。再进一步地，文献[61-62]假设 Eav-CSI 是完全未知的，并在满意 LU 肯定 QoS 的条件下通过最大化 AN 的发送功率，来尽可能地干扰
Eav，即恶化Eav 处的信道情况并降低 Eav 处的信干噪比（SINR,signal to interference plus noise
ratio）以提拔体系的PLS。IRS 辅助无线体系的物理层安全优化研究如表 1 所示。
性能分析
性能分析的研究方向主要是从理论上推导出，即将 IRS 引入无线通讯体系中，对体系的 PLS 性能带来多少数值提拔，或者各种 PLS
性能指标的数学表达式，包括闭式表达式或渐近逼近表达式等。文献[63]起首分析了最基本的 IRS 辅助窃听无线体系，思量了单天线的 BS、Eav 和 LU
的体系模子。起首将 IRS 元件相位根据 LU-CSI 取为最优值，之后根据信道参数的瑞利分布特性和中央极限定理（CLT, central limit
theorem）得到 LU 及 Eav 端的 SNR 概率分布特性，包括累积分布函数（CDF,cumulative distribution
function）和概率密度函数（PDF, probability density function）等。末了，根据SOP
的表达式得到其渐近逼近的数学表达式；现实中 IRS
元件的相位通常是离散的、有限的，即并不愿定总能取到最优值。因此，文献[64]将离散相位的影响思量在内并研究了勾通和不勾通 2 种情况的Eav。同样根据
CLT 等概率分析方法，对体系的遍历 SR（ESR, ergodic secrecy rate）举行渐近分析并得到 2
种情况下的闭式逼近表达式；同样思量离散相位，文献 [65] 采 用 Fox’ H 转换理论及Mellin-Barnes 积分，得到 SOP 及平均
SR（ASR,average secrecy rate）的正确表达式和渐近表达式。对于多 Eav 的窃听体系，文献[66]计算了多个瑞利变量的样本极大值的
CDF，并据此推导了体系最差SR 所对应的 SOP 与 ASR 的 CDF 与 PDF。在多用户随机分布的情况下，文献[67]借助随机多少的数学工具，思量多
LU 服从齐次泊松分布过程并得到了 SOP、非零安全容量概率（PNSC, probability ofnonzero secrecy capacity）和
ASR 的表达式。在MIMO 体系中，得到了正确且精简的 SINR 的 CDF表达式，并进一步地在高 SNR 条件下对停止概率举行了渐近分析，证明白当
IRS 元件数目较小时无法提拔非视距链路小路损情况下的体系性能。在更复杂的 NOMA 体系中，文献[68]思量了典型的 2 个用户的场景，并分析了接收端执行
SIC 后的 SINR概率分布特性，之后分别得到了 2 个用户各自的信号所对应的 ASR 表达式。
IRS 可辅助的不仅仅局限于上述传统的无线窃听场景，还可运用到如车联网、物联网等各种通讯场景中。在文献[69]中，IRS 用于辅助 2
辆车辆之间的通讯，不依赖于利用 CLT，利用更多样的方法得到了存在一个直接窃听发送端信道的 Eav 时对应的 SOP 表达式，且通过仿真证明白在 IRS
元件数目较小时，表达式的效果和仿真的效果很相近。在设备到设备（D2D, device-to-device）通讯中，文献[70]用 IRS 来辅助 2
个设备间的通讯，而 BS 所在的中央网络则存在一个 LU、一个 Eav，分析了 D2D 通讯的停止概率和中央网络的 SOP、PNSC
的数学表达式并用仿真证明白其正确性。文献[71]研究了全双工接收端的 SISO 无线体系，接收端在接收到发送端经 IRS
反射来的信息信号的同时也发送干扰信号用于降低窃听者的 SINR；并界说了该体系的截获概率（IP, intercept probability），根据 Eav
和 LU端的 SINR 分布特性推导了 IP 在有、无干扰 2
种情况下的数学表达式。文献[72]思量了多对发送节点的双向通讯体系，起首设计了新的用户调度算法来提拔 SR，之后又得到了 ASR
的一个下界的闭式表达式并分析了 ASR 的标度定律（当发送功率、IRS元件数目、用户对数趋于无穷大时）。IRS 辅助无线体系的物理层安全性能分析研究如表 2
所示。
2 隐蔽通讯
上述信息理论安全重在掩护数据传输 ，使数据难以被 Eav 窃听。而隐蔽通讯 的目的则在于将合法链路的通讯（Alice 到
Bob）隐蔽起来，使 Eav（Willie）无法侦测到合法通讯链路的存在 。文献[73]首次提出了将 IRS 用于增强隐蔽通讯的无线体系，如图
3所示，通过调节 IRS 相位配置使收发端的通讯链路隐蔽起来，使侦测者无法探测到收发端通讯链路的存在。对 IRS
辅助隐蔽通讯体系举行数学分析与优化后的性能效果指出，隐蔽通讯的安全级别比信息理论安全更高，且隐蔽通讯不依赖于 Eav 的能力 。 由于 IRS
对信道的可重配特性，可通过对IRS 的优化使合法通讯链路被侦测到的可能性进一步降低（或变成纯随机过程） 。因此，将
IRS引入隐蔽通讯中，通过优化来降低合法链路被侦测的概率，同样是关于 IRS 辅助无线体系 PLS 增强的一个重要方向。
在文献[74]中，IRS 用于协助全双工多天线发送端（Alice）将信号绕过障碍物传给全双工 接收端（Bob），同时一个
Eav（Willie）实验检测到这段合法的通讯链路 ，而 Bob 自身也会发送干扰信号用于扰乱 Willie
对通讯链路是否存在的判定。文献[74]起首基于最佳检测阈值分析了 Willie 处的检测错误概率（DEP, detection error
probability），得到了误判概率和漏判概率等重要指标的数学表达形式和概率特性；之后，研究了隐蔽速率（CR, covert
rate）最大化的问题，通过惩罚对偶分解（PDD, penaltydual decomposition）和 BCD 算法对 BS 端 BF 矢量和 IRS
相位配置举行联合优化；雷同于信息安全理论中 Eav 处的 CSI 通常难以全部知晓，Willie 也经常隐蔽自己，使其 CSI
也通常难以获取。文献[75]针对 Willie 处差别的 CSI 情况举行了优化算法研究。起首思量单天线的 Alice，在只有 Willie 的部分CSI
情况下（只知道信道矩阵的均值、方差），针对最大化 CR 问题，可直接得到最优的发送功率并利用三角不等式得到最优的 IRS 相位配置；在 CSI
完全知晓的情况下，通过 SCA、SDR 与高斯随机化（GR, Gaussian randomization）技术得到了上述最大化 CR
问题的解。之后思量多天线的 Alice，在部分CSI 情况下，BS 端 BF 矢量设为 MRT 并通过凸优化工具 CVX 和 GR 得到 IRS
的最优相位配置；在 CSI完全知晓的情况下，除了瓜代优化算法，文献[75]还基于 ZF 和 Willie 链路功率最小化提出了 2
种复杂度较低的算法来最大化 CR。别的，针对所有链路（Alice、Bob、Wille 处）CSI 不完善（界限 CSI
错误模子）的各种情况，文献[75]通过数学变化将各个问题变为凸问题，并基于瓜代优化、SDR 和 GR等技术求解使 CR
提拔的最优值。文献[76]则从理论分析上证明白借助 IRS 可在非零传输功率的单天线 Alice 体系中实现完善隐蔽（Willie
的检测等同于一个随机猜测的过程）。文献[76]起首研究了完善CSI 情况下满意肯定隐蔽限定条件时，Bob 处
SNR最大化的问题；将问题转化为广义非线性凸优化问题后，利用惩罚连续凸优化（PSCA, penalty successive convex
approximation）算法来联合优化Alice的传输功率、IRS 端的相位配置和幅度配置；当Willie 处的瞬时 CSI
未知而只知分布时，得到了隐蔽限定的表达式并观察到其与 IRS 相位配置无关，之后用 CVX 优化了 IRS 幅度配置和 Alice 传输功率来提拔 Bob
处的 SNR。文献[77]研究了 IRS-NOMA无线窃听体系的上下行传输并假设 Alice 仅知晓Willie 的数据统计 CSI，体系中除了接收者
Bob，还存在另一个接收者Roy且发送功率按肯定比率分给2 个用户。文献[77]起首得到了 Willie 处的 DEP
的分布特性和表达式并选择了能使错误概率最低的检测阈值；之后研究了在 Roy 处 QoS 限定、Alice传输功率限定和 Willie 处最低 DEP
限定下，Bob 处CR 最大化的下行传输问题。Alice 处的功率分配经过数学分析后可得到最优解的闭式表达式，而 IRS相位配置的最优值则通过 SDR
得到。雷同地，Alice处 CR 最大化的上行传输问题也用同样的方法得到了研究和办理；在隐蔽无线通讯中，Alice
传输数据的概率同样也是影响整体性能的可优化变量之一。文献[78]研究了联合优化传输数据概率、发送功率和IRS相位配置来最大化Bob端可达数据速率期望的问题。其起首推导了
Willie 处 DEP 的正确闭式表达式，之后通过搜刮的方法来得到最优的传输数据概率和发送功率。除了典型指标
CR，文献[79]还研究了传输停止概率优化问题。与前述工作雷同，其起首推导了Willie 处的 DEP
表达式，之后在隐蔽限定、最大传输功率限定下，通过搜刮和凸优化工具 CVX 降低了体系传输停止概率，IRS 辅助无线体系的隐蔽通讯研究如表 3 所示。
其他方向
除了上述两大主流 PLS 研究方向，无线体系的PLS还有很多轻量级的研究方向如表4
所示。而IRS的可重构特性，为整个无线体系的优化带来了一个新的维度，使其应用场景非常广泛，这也包括各种轻量级的 PLS
研究方向。好比，密钥生成（SKG,secret key generation） 。 SKG 的目的是提高上下行信道的相干性，同时降低 BS-
LU 信道和 BS-Eav 信道之间的相干性 ，如许 Eav 就难以获取有关密钥的信息。文献[80]起首推导了 IRS
辅助无线体系中的密钥容量（SKC, secret key capacity）的下界闭式表达式。之后通过 SDR 和 SCA 算法优化 IRS
的相位和幅度来最大化得到的闭式下界。文献[81]为了得到密钥速率（SKR, secret key
rate）的数学表达式，起首将复数的信道系数拆分为独立的实部与虚部，进一步通过数学推导得到复信道系数的 PDF。之后思量了高 SNR 及极大 IRS
元件数量 2 种特殊情况，并得到了 SKR 的上界闭式表达式。通过分析发现，可搜刮 IRS 元件切换时间来提拔 SKR；由于 SKR与 Eav、LU
相应的信道的随机性有关，因此引入IRS 对信道举行重配置可提拔两者之间的随机性。文献[82]设计了一种启发式算法和DRL算法框架来提拔无线体系的
SKR。思量一次性密码本通讯体系中的 SR，文献[83]设计了一种最优时隙分配算法来分配 SKG 和加密信息传输过程；之后，在 Eav-
CSI未知的情况下，基于泊松点过程推导了 SKR 的理论表达式。
另一个 PLS 的隐患为导频污染攻击（PCA, pilotcontamination attack） 。在时分复用体系中，CSI
的获取通常基于信道互易性，且无线传输中导频序列通常为公开的，因此具备射频链路的有源 Eav 可发送信号来干扰导频传输的过程。在 IRS
辅助的无线通讯体系中，同样存在 PCA 的问题。在文献[84]中， Eav 发送的干扰信号和 Bob 发送的导频信号一同通过 IRS 反射到
Alice，因此 Alice 端 CE 得到的 CSI 有着较大误差 。基于 MRT-BF 和安全正则化 ZF
预编码，文献[84]设计了瓜代优化算法来提拔体系的 SR。另一个利用 IRS 的差别研究角度在文献[85]中得到了研究，**假设 IRS 被 Eav
所利用，Bob 在传输导频时，除了直接发送到 Alice，还会经过 IRS 反射到 Alice。**此时 Eav 通过对 IRS 举行配置能减弱 Alice
处的接收信号强度，降低 CE 的正确度。针对上述问题，文献[85]提出了一种基于最快检测的方法来检测 IRS-PCA 的存在，即在每一个时隙 Alice
接收到的信号序列都会和之前接收到的信号序列联合思量来做决定。更进一步地，文献[85]设计了一种 IRS-PCA 存在情况下的新的 CE
算法。具体来说，多个协同节点一起发送互相正交的导频序列，且这些信号序列都会经过 IRS 反射后被Alice 接收。因此可分析其中相似的分量来获取IRS 相干
CSI。
总结
IRS 的可调控特性使其能实现对无线信道的重新配置。在整个无线传输体系中，等于引入了新的一维可优化变量。通过对收发端的 BF、功率分配、IRS
相位配置等举行联合优化，可以实现对整个无线体系性能的极大增强。因此，无线体系的 PLS 同样可以通过 IRS 的辅助而得到提拔
在 IRS 辅助的无线窃听体系中，对 IRS 举行有效配置可提拔 LU 处的通讯质量而降低 Eav
处的通讯质量，进而可从信息理论安全、隐蔽通讯等差别的角度来提拔 PLS 性能。
基于 IRS 的信息理论安全增强主要通过联合优化 IRS 与收发端 BF 来提拔 SR、SOP 等 PLS
相干性能指标。最新的研究扩展到了更广泛的无线场景。文献 [86]研究了认知无线网络（ CRN,cognitive radio network）中的 PLS
问题，设计了满意 CRN 中主用户干扰程度限定、次用户 SR 限定的体系 EE 最大化算法。文献[87]利用 IRS 增强了移动边缘计算（MEC,
mobile edge computing）体系的 PLS，思量本地计算的能耗、任务卸载等限定，设计了联合优化 IRS 与 AN 的算法来降低体系的总功耗。
基于 IRS 的隐蔽通讯体系，旨在通过优化 IRS使侦测者无法探测到合法通讯链路，从而提拔体系的 CR。文献[88]思量了多天线的 Bob 与
Alice，提拔了肯定隐蔽限定条件下 MIMO-IRS 无线体系的CR；文献[89]研究了 IoT 网络中的 IRS
辅助隐蔽通讯体系，办理了完善隐蔽传输时的 CR 最大化问题。
PLS 研究方向的最新研究工作中，如 SKG，文献[90]推导了准静态情况中 SKR 上下界的闭式表达式并得出结论：SKR 与 IRS
元件数、相干系数、导频长度和反射信道质量相干。关于 PCA，文献[91]将 IRS 用于破坏时分双工（TDD, timedivision
duplex）体系中的信道互易性，完成了导频攻击。
展望
目前，基于 IRS 的信息理论安全增强 的相干研究较为完善，未来可思量如下 2 个研究方向。
- 多基站通讯体系中的 PLS增强。Cell-Free、用户中央网络等多基站无线体系中，无线接入点和用户的数目更多、分布更广泛。在如许复杂的无线体系中，Eav、Jammer 的存在使体系的 PLS问题更具有挑战性，需要进一步思量 IRS 部署的位置、复杂体系的 CSI 获取、用户的调度等。
- 非法 IRS 的反制与对抗。由于 IRS 的低能耗、低本钱特性，不但有合法链路能利用 IRS 提拔性能，非法链路同样可以部署自己的 IRS 来辅助窃听链路或降低合法链路的性能。好比，文献[85]将 IRS 用于辅助 Eav 的导频攻击；文献[92]中 Eav在 BS 附近部署自己的 IRS 来增强对合法信号的反射网络。由于 IRS 无源，IRS 辅助的非法链路的侦测和相干 CSI 的获取都非常困难。此时，传统的联合优化算法很难得到好的效果，难以包管安全的无线传输。需要设计全新的技术本领来对抗非法 IRS。
IRS 辅助无线体系中 PLS 的其余研究方向目前会合在 SKG 与 PCA，两者可从如下的角度举行研究扩展。
- 多用户的分组 SKG 设计。在多用户的无线体系中，每个用户的无线通讯范围有限，而部署 IRS 则能扩展信号覆盖范围。为此，需要设计IRS 优化算法来提拔分组密钥容量。同时，针对IRS 辅助的 SKG 传输需要重新设计协同密钥提取协议。
- 基于 IRS 的 PCA 检测与反制。目前研究大多利用 IRS 来举行 PCA，而在存在 PCA 的无线体系中，也可以通过引入 IRS 来举行检测与反制。例如，通过提取 IRS 反射的导频信号信息来判定无线情况中是否存在其他的干扰源；通过优化 IRS 来增强 LU 的导频传输链路通讯质量。
一、读的几篇论文
Reconfigurable Intelligent Surface Assisted Secret Key Generation in
Quasi-Static Environments
秘钥生成：yes
窃听者存在与否：yes
本文提出了一种基于OWP方案的ris辅助密钥生成协议，并在窃听者存在的情况下对SKR举行了研究。我们发现pilot的长度应该能确保MSE充足小，可以产生密钥。同时，我们发现SKR是由RIS元素、相干系数和反射通道质量决定的。仿真验证表明，我们的协议的性能优于现有的工作。
Secret Key Rate 秘钥速率：协议可以安全地生成密钥的速度。
提出的协议充分利用了来自直接通道和反射通道的随机性。
RIS设计相位矩阵：1 提高信噪比
2 引入随机性，办理信道缓慢变化的问题
Two-way probing (TWP) one-way probing (OWP)
思量Eavesdroppers窃听者
channel probing
他们在时分双工（TDD）模式下探测信道，并从相干的测量中提取密钥。
N个反射元件的RIS可作为信任第三方
除了上面三个步骤外，背面还有末了一步CSI Reconstruction
A. Step 1: Direct Channel Estimation
B. Step 2: Sub-Reflecting Channel Estimation
C. Step 3: Random Phase Matrix Configuration
D. Step 4: CSI Reconstruction
我们起首估计直接通道，以利用其随机性；这些测量值也将在步骤2和步骤3中利用，以减轻直接信道的影响。其次，我们估计了子反射通道，以利用其随机性；在步骤4中，也将把测量值用于重建Alice的CSI。第三，为了在一个块中诱导快速衰落效应，RIS配置随机相位矩阵，Bob探测下行插槽中的信道。末了，Alice根据前一个步骤的测量值和受控制的反射向量重建CSI。值得留意的是，OWP方案中的测量量是TWP方案中的两倍。
Intelligent Reflecting Surface Assisted Secrecy Communication: Is
Artificial Noise Helpful or Not?
在IRS中到场人工噪声artificial noise (AN)有益处。
即使在IRS反射波束形成的情况下，到场干扰或AN仍然能有效地提高保密率，特别是在传输功率较大以实现高保密率和/或窃听者数量增长的情况下。此外，随着反射元素数量的增长，当窃听者阔别IRS时，AN所带来的性能增益基本保持稳固，而当窃听者位于IRS附近时，其所带来的性能增益则基本降低
波束赋形优化设计：
传统方法
AI方法
其他因素：
人工噪声
保密速率：
用户速率 – 窃听者速率。
Physical Layer Security of Intelligent Reflective Surface Aided NOMA
Networks
结合NOMA：评价指标：保密停止概率secrecy outage probability (SOP)
在[18]中，作者指出，一对NOMA用户的保密分集次序和渐近保密停止概率（SOP）是由具有较差信道增益的用户决定的？
正如[19]所示，要开释NOMA的全部潜力重要的是要确保用户之间存在得当的功率差异。IRS有能力改变通道增益，以提高NOMA的性能，因此其固有的复合具有实质性的利益
Intelligent Reflecting Surface for Wireless Communication Security and
Privacy
智能反射面(IRS)是未来无线通讯的一种新技术。
从物理层安全理论和隐蔽通讯理论出发，思量到其通过能量聚焦和能量零位来定制信道条件的精良能力，它是增强无线通讯安全性和保密性的理想技术。
在这篇文章中，我们起首给出了应用IRS来提高窃听信道中的平均保密率，实现完善的通讯隐蔽性，以及故意在无线流传中创造额外的随机性来隐蔽主动无线传输的一些效果。
然后，我们确定了在物理层安全和隐蔽通讯的背景下，充分开释IRS所提供的利益的未来研究的多重挑战。
通过大量的数值研究，我们论证了在无线通讯中，思量到安全和隐私，设计IRS元件振幅的必要性，其中最优值并不像文献中通常采用的那样总是1。
此外，我们还揭示了IRS信道状态信息(CSI)在合法用户和恶意用户的可实现的保密性和估计精度之间的折衷，这提出了IRS辅助物理层安全情况下的基本资源分配挑战。
末了讨论了一种利用深度神经网络和场景图像的被动信道估计方法，作为一种潜在的办理方案，可以在倒霉用资源匮乏的导频的情况下实现CSI可用性。
该方法为显着提高IRS辅助无线网络中的隐蔽通讯速率提供了一条可行的途径。
学习网络安全技术的方法无非三种:
第一种是报网络安全专业，如今叫网络空间安全专业，主要专业课程:步伐设计、计算机组成原理原理、数据结构、操纵体系原理、数据库体系、 计算机网络、人工智能、天然语言处理、社会计算、网络安全法律法规、网络安全、内容安全、数字取证、机器学习，多媒体技术，信息检索、舆情分析等。
第二种是自学，就是在网上找资源、找教程，或者是想办法认识一-些大佬，抱紧大腿，不过这种方法很耗时间，而且学习没有规划，可能很长一段时间感觉自己没有进步，容易劝退。
如果你对网络安全入门感兴趣，那么你需要的话可以点击这里 |
