研究人员开发了一个新的分布隐私框架，旨在保护认知雷达在对抗性监控下的决策过程。提出的在线电子对抗措施（ECCM）框架，称为WDPCH-SU（用于静态效用最大化）和WDPCH-DU（用于动态预期效用最大化），旨在隐藏雷达效用函数中嵌入的私有信息，该效用函数使用von Mises--Fisher分布进行建模。数学分析证实，这两种算法都能满足（$\epsilon$-DistP）对基于推理的攻击的$\\epsilon$-分布隐私要求，数值结果显示与现有方法相比，效用损失有所改善，对抗性Fisher信息有所减少。这些进展对于6G通信场景，特别是在网络切片用于自动驾驶和无人机群协调方面，具有重要意义，因为在这些场景中，强大的资源分配策略对于应对隐私威胁至关重要。 AI
影响 通过保护决策过程免受对抗性推理的侵害，增强了通信网络中人工智能驱动系统的安全性。
排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了一种用于雷达系统的新隐私框架。[lever_c_demoted from research: ic=1 ai=0.7]
- 6G
- arXiv
- Masking Radar Cognition under Adversarial Surveillance: A Distributional Privacy Framework
- von Mises--Fisher
- WDPCH-DU
- WDPCH-SU
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
