Spectrally-efficient secure non-orthogonal multiple access (NOMA) has recently attained a substantial research interest for fifth generation development. This work explores crucial security issue in NOMA which is stemmed from utilizing the decoding concept of successive interference cancellation. Considering untrusted users, we design a novel secure NOMA transmission protocol to maximize secrecy fairness among users. A new decoding order for two users' NOMA is proposed that provides positive secrecy rate to both users. Observing the objective of maximizing secrecy fairness between users under given power budget constraint, the problem is formulated as minimizing the maximum secrecy outage probability (SOP) between users. In particular, closed-form expressions of SOP for both users are derived to analyze secrecy performance. SOP minimization problems are solved using pseudoconvexity concept, and optimized power allocation (PA) for each user is obtained. Asymptotic expressions of SOPs, and optimal PAs minimizing these approximations are obtained to get deeper insights. Further, globally-optimized power control solution from secrecy fairness perspective is obtained at a low computational complexity and, asymptotic approximation is obtained to gain analytical insights. Numerical results validate the correctness of analysis, and present insights on optimal solutions. Finally, we present insights on global-optimal PA by which fairness is ensured and gains of about 55.12%, 69.30%, and 19.11%, respectively are achieved, compared to fixed PA and individual users' optimal PAs.


翻译:对第五代开发来说,这项工作探索了诺马州内关键的安全问题,其原因是使用了连续取消干扰的解码概念。考虑到不受信任的用户,我们设计了一个新的安全的诺马传输协议,以最大限度地提高用户之间的保密性。为两个用户的诺马州提议了一个新的解码程序,为两个用户提供积极的保密率。在电力预算限制下,观察用户之间的保密公平最大化目标,将问题表述为最大限度地减少用户之间的最高保密超值概率(SOP)。特别是,由于使用连续取消干扰的解码概念,诺马州内出现了关键的安全问题。考虑到不受信任的用户,我们设计了一个新的安全的诺马传输协议,以最大限度地提高用户之间的保密性。为两个用户提供了一个新的解码程序,为这两个用户提供了积极的保密率。此外,从保密的公平角度获取了全球优化的权力控制解决方案(SOP ) 。 特别是,两个用户的SOP的封闭式表达方式是分析保密性30,最后,通过对目前最佳的精确性分析结果,通过目前最佳的精确性精确性分析,最终获得最佳的 PA级分析结果。

0
下载
关闭预览

相关内容

可信机器学习的公平性综述
专知会员服务
67+阅读 · 2021年2月23日
专知会员服务
21+阅读 · 2021年2月6日
专知会员服务
52+阅读 · 2020年9月7日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【Facebook AI】低资源机器翻译,74页ppt
专知
10+阅读 · 2020年4月8日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
0+阅读 · 2021年5月22日
Arxiv
0+阅读 · 2021年5月20日
VIP会员
相关资讯
【Facebook AI】低资源机器翻译,74页ppt
专知
10+阅读 · 2020年4月8日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
LibRec 精选:位置感知的长序列会话推荐
LibRec智能推荐
3+阅读 · 2019年5月17日
LibRec 精选:推荐的可解释性[综述]
LibRec智能推荐
10+阅读 · 2018年5月4日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员