상관 레일리 페이딩 채널에서 비밀 용량의 닫힌 형태 식
본 논문은 전송자와 수신자, 그리고 도청자 사이의 채널 상태 정보를 완전히 알 수 있다고 가정하고, 상관된 레일리 페이딩 와이어탭 채널에서 평균 비밀 용량과 비밀 용량 아웃풋 확률을 닫힌 형태의 수식으로 유도한다. 무한 급수 전개와 수정된 베셀 함수의 특성을 이용해 공동 확률밀도함수를 전개하고, 이를 통해 평균 비밀 용량과 목표 비밀률에 대한 아웃풋 확률을 정확히 계산한다. 시뮬레이션 결과는 제시된 식이 실제 시스템 성능을 정확히 예측함을 확인…
저자: ** Xiaojun Sun, Ming Zhao, Jiang Ming (국가 모바일통신연구실
본 논문은 물리계층 보안의 대표 모델인 와이어탭 채널을 레일리 페이딩 환경에 적용하면서, 메인 채널(Alice‑Bob)과 도청자 채널(Alice‑Eve) 사이에 존재할 수 있는 통계적 상관관계를 고려한다. 연구는 다음과 같은 흐름으로 전개된다.
1. **시스템 모델 정의**
- Alice가 전송하는 신호 \(x\)는 복소 가우시안 페이딩 계수 \(h_{sd}\)와 \(h_{se}\)를 통해 각각 Bob과 Eve에게 전달된다.
- 수신 신호는 \(y=h_{sd}x+n_d\), \(z=h_{se}x+n_e\) 로 표현되며, 잡음은 단위 분산의 복소 가우시안이다.
- instantaneous SNR은 \(\alpha=|h_{sd}|^2\), \(\beta=|h_{se}|^2\) 로 정의되고, 각각 평균값 \(\lambda_1,\lambda_2\) 를 가진 지수 분포를 따른다.
- \(\alpha\)와 \(\beta\)는 상관계수 \(\rho\) 로 연결된 공동 확률밀도함수 \(f(\alpha,\beta)\) 를 갖는다. 이 PDF는 수정된 베셀 함수 \(I_0(\cdot)\) 로 표현되며, 식(2)와 같이 제시된다.
2. **무한 급수 전개**
- 베셀 함수의 무한 급수 전개 \(I_0(x)=\sum_{k=0}^{\infty}\frac{(x/2)^{2k}}{(k!)^2}\) 를 이용해 공동 PDF를 항별로 분리한다.
- 각 항은 계수 \(c_k=\frac{\rho^k}{(k!)^2(1-\rho)^{2k+1}}\) 와 단순 형태의 함수 \(f_k(\alpha,\beta)=\frac{1}{\lambda_1\lambda_2}e^{-(\alpha/\lambda_1+\beta/\lambda_2)/(1-\rho)}(\alpha/\lambda_1)^k(\beta/\lambda_2)^k\) 로 구성된다.
3. **평균 비밀 용량 유도**
- 비밀 용량은 단일 실현에 대해 \(C_s(\alpha,\beta)=\max\{0,\ln(1+\alpha)-\ln(1+\beta)\}\) 로 정의된다.
- 평균값은 \(\bar C_s=\iint C_s(\alpha,\beta)f(\alpha,\beta)d\alpha d\beta\) 로 표현되고, 위의 급수 전개를 대입하면 항별 적분 형태가 된다.
- 적분은 \(\int_0^{\infty}\ln(1+\lambda x)e^{-\mu x}x^kdx\) 형태의 함수 \(F(\lambda,k,\mu)\) 로 귀결되며, 부분적분과 표준 적분표를 이용해 재귀식 \(F(\lambda,k,\mu)=\frac{\lambda}{\mu}F_{k+1}+\frac{k}{\mu}F(\lambda,k-1,\mu)\) 로 계산된다. 여기서 \(F_k\) 는 지수 적분 \(E_1(\cdot)\) 와 감마 함수 \(\Gamma(\cdot)\) 로 명시적으로 표현된다.
- 최종 평균 비밀 용량 식(5)은 무한 급수와 이중 합으로 구성되며, 각 항은 \(F(\lambda_1,k,\cdot)\) 와 \(F(\lambda_2,k,\cdot)\) 로 이루어진다. 실제 계산에서는 \(\rho\) 가 0에 가까울수록 급수가 빠르게 수렴한다.
4. **비밀 용량 아웃풋 확률**
- 목표 비밀률 \(R\) 에 대해 아웃풋 확률은 \(P_{\text{out}}(R)=1-\Pr\{\alpha>e^{R}(1+\beta)-1\}\) 로 정의된다.
- 동일한 베셀 함수 급수 전개를 적용하면, 식(11)과 같이 다중 합 형태의 닫힌 식이 도출된다. 여기서 \(y=(e^{R}-1)/\lambda_1\), \(\mu=e^{R}\lambda_2/\lambda_1\) 가 사용된다.
- 이 식은 \(\Gamma(\cdot)\) 와 계승 연산자를 포함하지만, 실제 구현에서는 몇 개의 항만으로도 높은 정확도를 제공한다.
5. **시뮬레이션 및 결과**
- λ₁=λ₂ (동일 평균 SNR) 조건 하에 ρ를 0, 0.1, 0.5, 0.9 로 변화시켜 평균 비밀 용량을 평가하였다.
- 결과는 ρ가 증가할수록 메인 채널과 도청자 채널이 유사해져 비밀 용량이 크게 감소함을 보여준다. 특히 ρ=0.9 일 때는 거의 비밀 전송이 불가능에 가까워진다.
- 고SNR 영역에서는 기존 문헌
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기