Théorie de l'information et apprentissage par renforcement appliqués aux réseaux sans fil intégrant des utilisateurs furtifs et non-furtifs
Information theory and reinforcement learning of mixed covert and non-covert wireless networks
Résumé
While cryptographic methods offer security, they are often impractical for Internet of Things (IoT) devices due to their limited computational resources and battery life. In light of these challenges, physical layer security techniques, particularly covert communication, seems to be an adequate solution for securing IoT communications. Existing research on covert communication has predominantly focused on systems with solely covert users. This thesis addresses this gap and pioneers the characterization of the information-theoretic fundamental limits of communication systems involving both covert and non-covert users, demonstrating how and when non-covert users can enhance covert communication. It also advances previous findings on the single and multi-users setup by characterizing the exact secret-key rate needed to communicate at a given covert data rate.In another line of work, we address the central approach to modern semantic and goal-oriented communication systems. Specifically, we address the joint source-channel coding problem under a covertness constraints, identifying optimal coding schemes that meet the covertness requirement. These theoretical insights are validated through deep learning techniques, showing that covert semantic communication is only guaranteed when the established theoretical constraints are met. Lastly, to further enrich our research, we extend our work to setups that encompass both covert and non-covert users operating using Non-Orthogonal Multiple Access in an Additive White Gaussian Noise channel. By leveraging reinforcement learning techniques, we develop efficient resource allocation policies that effectively optimize performance in these intricate environments, accounting for real-world constraints such as imperfect channel state information and energy limitations.
Bien que les algorithmes de cryptographie garantissent la sécurité des données transmises, ils s'avèrent souvent inadaptés pour les dispositifs de l'Internet des objets (IoT) en raison de leurs capacités de traitement limitées et de leur autonomie restreinte. Face à ces défis, les techniques de sécurité couche physique, notamment les communications furtives, se présentent comme une solution prometteuse pour sécuriser les communications des IoT. Malgré son fort potentiel, la recherche actuelle sur les communications furtives s'est majoritairement concentrée sur des systèmes exclusivement composés d'utilisateurs furtifs. Cette thèse comble ce gap en explorant les limites fondamentales des systèmes de communication réunissant ces deux types d'utilisateurs, et démontre quand et comment les utilisateurs non furtifs peuvent contribuer à l'amélioration des communications furtives. De surcroît, nous précisons le taux exact de clé secrète nécessaire pour assurer une communication furtive à un débit donné, enrichissant ainsi les résultats antérieurs sur les configurations à utilisateur unique et à utilisateurs multiples. Dans un autre volet de cette thèse, nous examinons l'approche cœur des systèmes de communication modernes, qui sont davantage plus axés sur la sémantique et les objectifs. Nous identifiant les schémas de codage optimaux qui respectent cette exigence. Ces résultats théoriques sont validés par des techniques d'apprentissage profond, montrant que la communication sémantique furtive est garantie uniquement lorsque les contraintes théoriques établies sont respectées. Enfin, nous élargissons notre champ de recherche aux configurations incluant des utilisateurs furtifs et non furtifs dans des réseaux à accès multiple non orthogonal dans un canal à bruit blanc additif gaussien. En exploitant l'apprentissage par renforcement, nous développons des politiques d'allocation de ressources efficaces, optimisant les performances dans ces environnements complexes, tout en prenant en compte des contraintes réelles telles que l'information imparfaite sur l'état des canaux et les limitations énergétiques.
Infos complémentaires
-
Identifiant HAL : 2024IPPAT005
-
degree committee member :
-
associated name :
-
Langue originale :anglais
-
Date de la thèse : 2024-12-06
-
Informations sur la thèse : Domaine : Humanities and Social Sciences/Library and information sciences , Domaine : Computer Science [cs]/Information Theory [cs.IT] , Domaine : Computer Science [cs]/Networking and Internet Architecture [cs.NI] , Domaine : Cognitive science/Neuroscience
-
Accès : Distributed under a Creative Commons Attribution 4.0 International License
FAQ
Liens FAQ