Jamming Attacks on Decentralized Federated Learning in General Multi-Hop Wireless Networks
Virginia Tech（弗吉尼亚理工大学）；Commonwealth Cyber Initiative（联邦网络倡议）；National Security Institute（国家安全研究所）
分散式联邦学习（DFL）是在多跳网络上的多个节点处训练深度学习模型的有效方法，而不需要具有到所有节点的直接连接的服务器。通常，只要节点潜在地经由多跳连接，DFL过程将最终允许每个节点经由直接连接或多跳路径体验来自所有其他节点的模型的效果，并且因此能够在每个节点处训练高保真度模型。我们认为一个有效的攻击，使用干扰，以防止节点之间的模型交流。有两种攻击场景。首先，对手可以在一定的预算下攻击任何链路。一旦受到攻击，链路的两个端节点不能交换它们的模型。其次，在网络中部署一些干扰距离有限的干扰机，并且干扰机只能干扰其干扰范围内的节点。一旦定向链路被攻击，接收器节点就不能从发送器节点接收模型。我们设计的算法来选择这两种情况下要攻击的链接。对于第二种情况，我们还设计了在最佳位置部署干扰机的算法，以便它们可以攻击关键节点并对DFL过程产生最大影响。我们通过使用大型网络区域上的无线信号分类作为用例来评估这些算法，并确定这些攻击机制如何利用各种学习、连接和传感方面。我们发现，DFL的性能可以显着降低在无线网络中发起的干扰攻击，并在无线网络上安全部署DFL之前将攻击面表征为脆弱性研究。
2023-01-12 cs.AI cs.NI
Analysis of Interference in Wireless Networks
随着无线系统在全球范围内的快速发展，无线系统设计人员和服务提供商面临的最重要的事情之一就是干扰。干扰会降低覆盖范围和容量，并限制新系统和现有系统的有效性。这是很难避免的，因为无线通信系统必须在极其复杂的信号环境中共存。这些环境由多个运行的无线网络组成[2]。与此同时，无线局域网（WLAN）和数字视频广播中的新技术和新信号源对无线通信业务构成了威胁。本文对无线网络中的干扰进行了调查和分析，并提供了一个分类。
2018-10-31 cs.NI
Collaborative Spectrum Sensing in Tactical Wireless Networks
在本文中，我们提出了一种算法的信道检测，协作和传输的战术通信系统的网络，面临着来自敌对干扰机的入侵。网络的成员首先扫描频谱中的干扰源，与相邻节点共享此信息，并将其各自的观测数据集合并到包含每个信道的置信占用率的决策向量中。然后，用户可以使用该向量来找到用于其传输的空闲信道。我们引入了节点共享这些向量与他们的同行，谁然后将它们合并成超级决策向量，让每个节点更好地识别和选择传输信道的概念。我们考虑衰落的情况下，大大限制了用户的观察的可靠性，除非他们合作，以增加他们的传感数据的可信度。我们提出了一种伪随机信道选择算法，该算法在感测可靠性与被感测的信道数量之间取得了平衡。仿真结果表明，所提出的系统提高了网络的频谱和无干扰传输的速率的整体知识，同时限制增加的计算复杂性的网络节点，尽管干扰的不可预测的性质。
2020-03-15 cs.NI
Detection and blind channel estimation for UAV-aided wireless sensor networks in smart cities under mobile jamming attack
无人机（UAV）可以通过多种方式集成到无线传感器网络（WSNs）中，用于智能城市应用。其中，无人机可以通过从地面传感器和计量装置上传数据，然后将其下载到中央单元，以“存储-携带和转发”的方式用作中继。然而，上传和下载阶段都容易受到潜在的威胁和攻击。作为传统无线网络的遗留问题，干扰攻击仍然是UAV辅助通信的主要和严重威胁之一，特别是当干扰机也是移动的时，例如，它安装在无人机上或陆地车辆内。在本文中，我们研究了抗干扰通信的无人机辅助无线传感器网络运行在双选择性信道在下载阶段。在这种情况下，由UAV和恶意移动干扰机发射的信号经历由于多径传播效应引起的时间分散和由其移动性引起的频率分散。为了抑制高功率干扰信号，我们提出了一种盲物理层技术，通过基于检测器输出的符号级后排序的串行干扰消除来联合检测无人机和干扰机符号。振幅，相位，时间延迟，和多普勒频移-所需的实现所提出的检测策略-盲估计数据通过使用的算法，利用接收信号的几乎循环平稳特性和多载波调制格式的详细结构。仿真结果证实了所提出的方法的抗干扰能力，对于不同的移动场景的干扰机。
2021-12-06 cs.NI eess.SP stat.AP
Jamming-Resistant Learning in Wireless Networks
我们考虑在无线网络中的容量最大化对抗干扰条件下。有n个链路，每个链路由一个发送方和一个接收方组成，它们反复尝试执行成功的传输。在每个时间步长中，尝试传输的成功取决于干扰条件，干扰条件由干扰模型（例如，SINR模型）捕获。此外，对抗性干扰机可以使时间步长的（1-delta）部分不成功。对于这种情况下，我们分析了分布式学习算法的框架，以最大限度地提高成功传输的数量。我们的主要结果是一个基于无悔学习的算法收敛到O（1/delta）-近似。它甚至提供了一个恒定的因素近似时，干扰机正好阻止（1-delta）的时间步长的一部分。此外，我们考虑一个随机干扰，我们得到一个常数因子近似多项式后的时间步长。我们还考虑了更一般的设置，其中链接动态地到达和离开，并且每个发送者试图到达多个接收者。我们的算法在模拟中表现良好。
2013-07-23 cs.DS cs.GT cs.NI
Interference Aware Channel Assignmnet Using Edge Coloring in Multi-Channel Multi-Radio Wireless Mesh Networks
近年来，多信道多射频无线网状网络被认为是一种可靠且经济的广域互联网接入方式。在这个网络中的一个主要的研究挑战是从可用信道中选择干扰最小的信道，然后将其有效地分配给无线电。已经开发了许多用于信道分配的算法和方法，以使用正交信道来最大化网络吞吐量。最近的研究和测试床实验证明，基于POC的信道分配允许无线频谱共享的更大灵活性。在本文中，我们表示的信道分配作为一个图边着色问题，使用POC。在为链路分配信道时，为了避免相邻传输的干扰，需要测量信噪比。仿真结果表明，我们提出的方法提高了网络的吞吐量和性能。关键词：无线Mesh网络，多射频，多信道，部分重叠信道，信噪比干扰
2013-11-03 cs.NI
A Review of Interference Reduction in Wireless Networks Using Graph Coloring Methods
干扰对无线网络的性能产生了显著的负面影响。随着更大和更复杂的无线网络的不断部署，减少这种网络中的干扰作为当今世界的问题迅速受到关注。在本文中，我们分析的干扰减少问题，从图论的观点。利用图着色方法对干扰抑制问题进行建模。然而，考虑各种联网条件的对图着色场景的附加约束导致标准图着色的附加复杂性。本文回顾了针对特定网络拓扑的各种算法解决方案。
2011-03-29 cs.NI
Differential Reprogramming Based on Constructive Interference for Wireless Sensor Network
为了提高无线传感器网络中重编程的性能，提出了一种新的重编程结构和基于干扰的构造性分发协议（CIDP），以实现补丁在网络中的快速可靠传输。CIDP利用相长干扰将补丁分发到网络，补丁被分成几个数据包。我们评估我们的实现CIDP在不同数量的节点下使用模拟。我们的研究结果表明，CIDP传播的补丁不到4毫秒。一般来说，节点接收完整补丁的概率高达99.99%。
2016-04-22 cs.NI
Approximation Algorithms for Link Scheduling with Physical Interference Model in Wireless Multi-hop Networks
研究了无线多跳网络中的链路调度问题。与大多数采用协议干扰模型仅考虑数据包碰撞的工作不同，本文提出的算法采用物理干扰模型来反映聚合信号干扰噪声比（SINR），这是对真实场景的更准确的抽象。首先，我们提出了一个集中式调度方法的基础上的线性规划（ILP）和解决它的近似解的基础上随机舍入方法。给出了得到保证的近似因子的概率界。然后，我们将集中式算法扩展到分布式解决方案，这在无线网络中是有利的。证明了采用分布式调度方法时，各链路可以无干扰传输，并给出了算法的近似比。
2009-10-27 cs.NI
Enhancing Path Selections with Interference Graphs in Multihop Relay Wireless Networks
本文提出通过干扰图优化多跳中继无线网络中的路径选择，以提高传输性能和减少干扰影响。
2024-06-12 cs.NI
Applications of Geometric Algorithms to Reduce Interference in Wireless Mesh Network
在诸如WLAN（IEEE 802.11s）或WMAN（IEEE 802.11）之类的无线网状网络中，每个节点应该使用多跳路由机制来帮助将相邻节点的分组中继到网关。无线mesh网络通常密集部署mesh节点以解决通信盲点问题。然而，部署的节点密度越高，发生的无线电干扰越高。这导致系统性能的显著下降。本文首先将网络问题转化为图论中的几何问题，然后利用几何算法解决网络中的干涉问题。我们首先在一个图中定义线相交来反映无线网状网络中的无线电干扰问题。然后利用平面扫描算法寻找相交线，利用沃罗诺伊图算法划分节点之间的区域，利用德洛内三角剖分算法重建图形，以最大限度地减少节点之间的干扰。最后，我们使用标准差来修剪掉那些较长的链路（干扰较高的链路），以进一步增强。所提出的混合解决方案被证明是能够显着减少干扰的无线网状网络中的O（n log n）时间复杂度。
2010-03-18 cs.NI
An empirical performance study of Intra-vehicular Wireless Sensor Networks under WiFi and Bluetooth interference
车内无线传感器网络是一种新型的汽车架构，它将无线技术应用于电子控制单元（ECU）和传感器之间的通信。它可能有助于实现更好的燃油经济性，降低布线复杂性，并支持其他新应用。在现有的工作中，大多数流行的无线技术应用于IVWSNs占用相同的2.4 GHz ISM频段的WiFi和蓝牙做。因此，必须评估IVWSNs在WiFi和蓝牙设备干扰下的性能，特别是当这些设备在车内时。在本文中，我们报告的综合实验研究的结果，IVWSNs的基础上ZigBee和蓝牙低功耗下的WiFi和蓝牙干扰。从实验中可以清楚地观察到来自蓝牙和WiFi设备的干扰的影响。实验结果表明，当车内存在WiFi干扰时，低功耗蓝牙技术在IVWSNs环境中的性能优于ZigBee技术。
2015-02-22 cs.NI
Cache-enabled Wireless Networks with Opportunistic Interference Alignment
缓存和干扰对齐（IA）是未来无线网络的有前途的技术。然而，大多数现有的高速缓存使能IA无线网络的工作假设的信道是不变的，这是不现实的，考虑到实际的无线环境的时变性质。在本文中，我们考虑现实的时变信道。具体而言，该信道被配制为有限状态马尔可夫信道（FSMC）。当我们考虑现实的FSMC模型时，系统的复杂性非常高。因此，本文提出了一种新的大数据强化学习方法。深度强化学习是一种高级强化学习算法，它使用深度$Q$网络来近似$Q$值-动作函数。本文使用深度强化学习来获得最优的IA用户选择策略在缓存使能的机会IA无线网络。仿真结果表明了该方案的有效性。
2017-06-27 cs.NI
Coefficient of Restitution based Cross Layer Interference Aware Routing Protocol in Wireless Mesh Networks
在多无线电多信道（MRMC）无线网状网络（WMN）中，部分重叠信道（POC）已经被用于增加并行传输。但是在MRMC环境下，相邻信道干扰非常严重，严重影响了网络的吞吐量。在本文中，我们提出了一个基于呼吸系数的跨层干扰感知路由协议（CoRCiaR），以提高TCP性能的无线Mesh网络。该方法包括两个步骤：首先，通过增强RTS/CTS方法，在MAC层开发干扰检测算法。基于信道干扰，通过往返时间（RTT）测量来识别拥塞，并且随后路由发现模块选择替代路径来发送数据分组。数据包由源无缝地传输到无拥塞路径。所提出的CoRCiaR协议的性能是通过呼吸系数（COR）参数来衡量的。重路由对网络吞吐量性能的影响。仿真结果表明，提出的跨层干扰感知的动态路由提高了TCP在WMN上的性能。关键词：延迟系数，无线网状网络，部分重叠信道，往返时间，多无线电，多信道。
2015-11-14 cs.NI
Comparative Study of Hidden Node Problem and Solution Using Different Techniques and Protocols
无线网络中的隐藏节点是指在其他节点或节点集合的范围之外的节点。我们将讨论RTS/CTS冲突避免机制引入的一些问题，并专注于虚拟干扰问题，它允许恶意节点以最小的功率代价有效地干扰无线网络的大片段。我们还讨论了WiCCP（无线中央协调协议），这是一个协议助推器，也提供了很好的解决方案，隐藏节点。
2010-03-22 cs.NI
Interference Declination for Dynamic Channel Borrowing Scheme in Wireless Network
在现代，无线网络中的用户急剧增加。如何在有限的无线资源下管理最多的用户成为研究者关注的焦点。干扰是实现这一目标的最大障碍之一。在本文中，被深刻理解的问题，提出了一种有效的动态信道借用方案，确保更好的服务质量（QoS）与干扰降低。我们建议，如果信道是从相邻的小区借用，小区分叉将被引入，确保干扰减少时，借用的信道具有相同的频带。我们还提出了一个方案，停用相邻小区的未占用的干扰信道，而不是小区分叉的干扰decompensation。仿真结果表明，在SINR水平，系统容量，和中断概率相比，传统的计划，没有干扰降低，可能会吸引用户的相当大的兴趣，可以接受的性能。
2018-10-05 cs.NI
Efficient Wireless Security Through Jamming, Coding and Routing
最近有大量的文献介绍了如何通过协作干扰等技术在无线网络的物理层帮助单个发射机和接收机之间进行安全通信。在本文中，我们考虑如何将这些单跳物理层安全技术可以扩展到多跳无线网络，并展示如何增强物理层安全技术与更高层的网络机制，如编码和路由。具体而言，我们考虑的安全最小能量路由问题，其中的目标是计算两个网络节点之间的最小能量路径的约束下的端到端的通信保密性和有效吞吐量的路径，这个问题被表述为一个有约束的优化的传输功率和链路选择，这是被证明是NP-难的。然而，我们表明，有效的算法存在计算精确和近似的解决方案的问题。特别是，我们开发了一个精确的解决方案的伪多项式的复杂性，以及多项式复杂性的ε-最佳近似。仿真结果还提供了我们的算法的效用，并量化其节能相比，（标准）安全无关的最小能量路由和物理层安全的组合。在模拟场景中，我们观察到，通过联合优化链路选择在网络层和合作干扰在物理层，我们的算法减少了一半的网络能耗。
2013-04-09 cs.CR cs.IT cs.NI
DSIC: Deep Learning based Self-Interference Cancellation for In-Band Full Duplex Wireless
带内全双工无线通信由于其频谱利用率的巨大潜力，在未来的无线通信和网络中受到极大的关注。然而，IBFD无线受到其关键挑战的限制，即自干扰。因此，有效的自干扰消除是实现IBFD无线的关键。本文提出了一种基于深度学习的实时非线性自干扰抵消解决方案。在该解决方案中，自干扰信道由深度神经网络（DNN）建模。首先收集同步的自干扰信道数据以训练自干扰信道的DNN。之后，训练的DNN用于消除无线节点处的自干扰。该解决方案已在USRP SDR测试平台上实现，并在现实世界中的多个场景中进行了评估，在传输信息（包括数字，文本以及图像）时具有各种调制。它导致在数字消除中的17dB的性能，这非常接近于自干扰功率，并且几乎消除了测试床中SDR节点处的自干扰。该解决方案在许多情况下和不同的调制方案下产生平均8.5%的比特出错率（BER）。
2018-11-05 cs.IT cs.NI math.IT
Interference in Wireless Networks -- A Power Allocation Approach
本文针对无线网络中同频干扰导致信道容量降低的问题，提出一种利用时分技术管理同频链路干扰的新方法，显著减少了5G网络整体使用的频率数量。
2024-12-15 cs.NI eess.SP
On the Accuracy of Interference Models in Wireless Communications
我们开发了一个新的框架，用于测量和比较在无线网络的分析和设计中使用的任何无线干扰模型的准确性。我们的方法是基于一个新的指标，该指标评估干扰模型正确预测有害干扰事件的能力，即，链路中断。我们使用这个新的指数来量化的准确性，在文献中使用的各种干扰模型，在各种情况下，如瑞利衰落无线信道，定向天线，和阻塞（无法穿透的障碍物）在网络中。我们的分析表明，在具有障碍物的高度定向天线设置中，即使是简单的干扰模型（例如，经典协议模型）是准确的，而对于全向天线，更复杂和复杂的干扰模型（例如，经典物理模型）是必要的。我们的新方法使得有可能在不同的设置中采用适当的干扰模型，具有足够的准确性和简单性。
2016-02-28 cs.IT cs.NI math.IT
On some distributed scheduling algorithms for wireless networks with hypergraph interference models
结果表明，超图干扰模型下的无线自组织网络中的最大调度算法的性能可以进一步远离最优比以前已知的。这种分布式的，贪婪的调度算法的确切的最坏情况下的性能进行了分析。
2021-02-02 cs.IT cs.NI math.IT
Accurate Localization in Wireless Sensor Networks in the Presence of Cross Technology Interference
Lahore University of Management Sciences (LUMS)（拉合尔管理科学大学（LUMS））
无线传感器网络中移动节点的定位是一个活跃的研究领域。在本文中，我们提出了一种新的基于RSSI的定位算法802.15.4（ZigBee）基于无线传感器网络。我们提出并实现了一种新的基于距离的定位算法，以最大限度地减少跨技术干扰在同一频带内工作。目标是最小化定位算法的均方误差。该算法的硬件实现是在理想的（无干扰）的仿真结果，其中精度小于0.5米已经实现。
2019-05-25 cs.LG cs.NI
Security of Rechargeable Energy-Harvesting Transmitters in Wireless Networks
在这封信中，我们调查的安全性，一个单天线可充电的源节点存在的多天线可充电的合作干扰机和一个潜在的单天线窃听。在合法的发送节点（即源节点和干扰节点）的电池被假定为容量有限，并建模为充电系统。我们调查的能量到达率在电池上实现的保密率的影响。在我们的能量受限的网络中，我们提出了一个有效的计划，以提高系统的安全性，通过优化源节点的传输时间。干扰器使用其天线的子集（和发射射频链）来创建波束形成器，该波束形成器最大化系统的保密率，同时完全消除合法目的地的人工噪声。我们的数值结果表明，我们提出的方案显着的平均保密率增益。
2016-12-18 cs.IT cs.NI math.IT
Throughput Optimizing Localized Link Scheduling for Multihop Wireless Networks Under Physical Interference Model
我们研究了无线网络中吞吐量最优的局部链路调度。链路调度的大多数结果假设二进制干扰模型，简化了实际无线通信中的干扰约束。虽然物理干涉模型更精确地反映了物理现实，但在物理干涉模型下，问题变得更加困难。在物理干扰模型下的链路调度方面，现有的研究成果很少，而在更实际的分布式或局部化调度方面的研究成果更少。在本文中，我们解决了复杂的物理干扰约束所带来的本地化链路调度的挑战。通过合作的分区和移位策略到挑选和比较计划，我们提出了一类本地化的调度算法，可证明的吞吐量保证受到物理干扰的限制。线性功率设置中的算法是第一局部化算法，其实现了经受物理干扰约束的最优容量区域的至少恒定部分。该算法在均匀幂设置是第一个局部化算法的最优解的对数逼近比。我们广泛的仿真结果证明了我们的算法的正确性和性能效率。
2013-01-24 cs.DC cs.NI
Breaking the Interference Barrier in Dense Wireless Networks with Interference Alignment
在密集无线网络中出现的一个基本问题是高同信道干扰。干扰对齐（IA）是近年来提出的一种有效的方法来对抗无线网络中的干扰。然而，IA的概念起源于干扰信道的容量研究，因此，其性能主要在理想假设下进行衡量，例如所有节点处的瞬时和完美信道状态信息（CSI）以及均匀信噪比（SNR）用户，即，每个用户具有相同的平均SNR。因此，在现实条件下的IA的性能还没有完全调查。在本文中，我们的目的是填补这一空白，在实际系统中的空间IA的性能评估。具体来说，我们推导出一个封闭形式的表达式IA平均和速率时，CSI是通过训练和用户具有异构的SNR。从我们的分析中得出的一个主要见解是，IA确实可以在广泛的密集网络场景中提供显着的频谱效率增益。为了证明这一点，我们考虑线性，网格和随机网络拓扑结构的例子。
2017-12-10 cs.IT cs.NI math.IT
Directed Percolation in Wireless Networks with Interference and Noise
以前的无线网络连通性研究主要集中在无向几何图上。然而，更复杂的模型，如信号干扰噪声比（SINR）模型，通常会导致有向图。在本文中，我们研究了渗流过程中的无线网络建模的有向SINR图。我们首先研究无干扰网络，在那里我们定义了四种类型的相变，并表明它们同时发生。通过将有向SINR图与另外两个无向SINR图耦合，我们进一步得到了临界密度的解析上界和下界。然后，我们表明，干扰，渗流在有向SINR图不仅取决于密度，但也对逆系统的处理增益。我们还提供了逆系统处理增益的临界值的界限。
2007-12-14 cs.IT cs.NI math.IT
Interference Prediction in Wireless Networks: Stochastic Geometry meets Recursive Filtering
University of Klagenfurt（克拉根福大学）；Silicon Austria Labs GmbH（Silicon Austria Labs 有限公司）
本文提出并评估了一种预测无线网络干扰水平的技术。我们设计了一个递归预测器，估计未来的干扰值过滤测量干扰在一个给定的位置。预测器的参数化是通过将干扰的自相关转换为自回归移动平均（ARMA）表示来离线完成的。该ARMA模型被插入到稳态卡尔曼滤波器中，使得节点能够以低计算量进行预测。结果表明，预测值与真实值的相关时间范围的准确性良好。虽然泊松分布的节点，瑞利衰落，和固定的消息长度的预测参数化，灵敏度分析表明，它也往往工作在更一般的网络场景。数字示例说明了其广泛的适用性，用于蓝牙设备到设备通信、常见的无线传感器技术以及Wi-Fi和LTE的共存场景。预测器可以作为干扰管理的一部分来应用，以改善介质接入、调度和无线电资源分配。
2021-02-10 cs.LG cs.NI eess.SP
Mean Interference in Hard-Core Wireless Networks
类型I和类型II的Matérn硬核过程是用于对CSMA网络中的并发发送器进行建模的点过程。我们确定的过程中的节点处观察到的平均干扰，并将其与相同密度的泊松点过程中的平均干扰进行比较。事实证明，尽管这两个模型很相似，但它们的行为却截然不同。对于类型I，过量干扰（相对于泊松情况）在硬核距离中呈指数增加，而对于类型II，间隙从未超过1 dB。
2011-03-08 cs.IT cs.NI math.IT
