本文提出了一種基於非正交多址接入技術的協作式秘密和隱蔽通信方案,用於保障多用戶多天線無人機上行系統中的數據安全,並通過優化系統參數和無人機軌跡來提升安全服務質量。
본 논문에서는 UAV 시스템에서 사용자의 다양한 보안 요구 사항을 충족하기 위해 NOMA 기반의 협업 비밀 및 은밀 통신 방식을 제안하고, 비밀 전송과 은밀 전송 간의 균형을 맞추면서 보안 QoS를 향상시키기 위한 시스템 파라미터 및 UAV 궤적 최적화 기법을 제시합니다.
本稿では、UAVアップリンク通信において、異なるセキュリティ要件を持つ複数の地上ユーザーが、秘密通信と秘匿通信を協調的に実現するためのNOMAベースの伝送方式を提案し、そのセキュリティ性能を評価し、システムパラメータとUAVの軌跡を最適化することで、地上ユーザーの安全なQoSを向上させる。
This paper proposes a novel approach to secure communication in multi-user UAV systems, balancing the need for both secrecy (protecting message content) and covertness (hiding communication occurrence) using NOMA and beamforming techniques, while optimizing resource allocation and UAV trajectory for enhanced security performance.
現有的成員推斷攻擊(MIA)只關注於識別訓練數據中的精確匹配,而忽略了與訓練數據相似或部分重疊的數據也可能洩露隱私信息。範圍成員推斷攻擊(RaMIA)通過檢查模型是否在特定範圍內(根據隱私語義定義)的任何數據上進行訓練,從而更全面地捕獲隱私洩露。
기존의 멤버십 추론 공격(MIA)을 넘어, 데이터 레코드의 정확한 일치 여부만을 판단하는 것이 아니라, 특정 범위 내 유사 데이터까지 고려하는 범위 기반 멤버십 추론 공격(RaMIA)을 통해 머신러닝 모델의 개인정보 유출 위험을 더욱 정확하고 포괄적으로 감지할 수 있다.
従来のメンバーシップ推論攻撃(MIA)は、訓練データと完全に一致するデータポイントのみを考慮しており、類似データや部分的に重複するデータからプライバシー情報が漏洩する可能性を見落としている。本稿では、指定された範囲内のデータに基づいて訓練が行われたかどうかをテストする、範囲メンバーシップ推論攻撃(RaMIA)を提案する。
This research paper introduces Range Membership Inference Attacks (RaMIAs), a novel framework designed to address limitations in traditional Membership Inference Attacks (MIAs) for assessing privacy risks in machine learning models.
本文介紹了一種名為「逃逸感測遊戲」(ESG)的新型安全博弈模型,探討在資源有限的攻擊者面前,如何策略性地安排目標以提升防禦能力。
リソース配置に焦点を当てた従来のセキュリティゲームとは異なり、エスケープセンシングゲーム(ESG)は、制約のある敵対者から保護するためにターゲットを戦略的に配置することに焦点を当て、新しいセキュリティ戦略の視点を提供します。