| Project/Area Number |
20K04463
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 21020:Communication and network engineering-related
|
|---|
| Research Institution | Chitose Institute of Science and Technology (2021, 2023)
Kobe University (2020) |
|---|
Principal Investigator |
Takano Yasuhiro 公立千歳科学技術大学, 理工学部, 准教授 (70782746)
|
|---|
| Project Period (FY) |
2020-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
Fiscal Year 2023: ¥260,000 (Direct Cost: ¥200,000、Indirect Cost: ¥60,000)
Fiscal Year 2022: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
Fiscal Year 2021: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2020: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
|
|---|
| Keywords | Physical layer security / Regularized optimization / SLNR-based Tx precoding / MMSE-based Tx precoding / Compressed sensing / CNN regularion / Bi-LSTM regularization / Secure transmission / mMTC / IoT / Compressive sensing / Internet of Things / Key exchange / Distributed networks |
|---|
| Outline of Research at the Start |
産業用途を想定したmMTCシステムにおいて，無線伝送の強固なセキュリティの維持は必須である．しかし，多数ノードで構成されるmMTCネットワーク上で安全に鍵を配布することは多大なコストを要する．そこで，本研究は，従来の上位層における暗号化と物理層のセキュア伝送を併用し，要求度に応じた適応的な安全性をもつ鍵配布を実現する分散無線通信方式を検討する．また，従来の計算量的安全性と情報理論的安全性を統合的に扱う安全性指標を調査検討し，当該指標を規範とする新たな安全性強化法の提案を目指す．
|
| Outline of Final Research Achievements |
We study secure transmission protocols and the required estimation techniques under the aim of assuring the information theoretic security for key-sharing in massive machine type communication (mMTC) system. Specifically, we proposed a new transmission precoding technique to perform secure transmission for low-cost IoT terminals dispatched in mMTC networks. Additionally, a low-complexity solver algorithm is proposed to improve complexity issues that can be happened in iteratively performing regularized optimization. Furthermore, in order to investigate vulnerabilities for key parameters estimated by AI-based techniques, new AI-aided regression algorithms for direction of arrival (DoA) estimation and localization techniques are proposed and verified in real propagation channels.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究が提案した制約付き最適化問題の高速化手法はSignal-to-noise ratio (SNR) に依らず一定の処理時間で実行可能であり，多数ノードを有するmMTCシステムでのセキュア伝送の実現に向けて有意義である．また，AIを応用した従来のパラメータ推定法の多くは分類アルゴリズムである．しかし，チャネルパラメータに基づく鍵情報の元になる乱数を生成する際，量子化されたパラメータ推定値を用いることはランダム性を損なう懸念がある．これに対し，提案した回帰ベースのAIアルゴリズムは連続値を出力するため，ランダム性の問題を改善することができる．
|
