두 단계 이종 그래프 신경망을 이용한 RIS 기반 물리계층 보안 최적화

본 논문은 재구성 가능한 지능형 표면(Reconfigurable Intelligent Surface, RIS)을 활용한 다중 입력 단일 출력(MISO) 시스템에서 물리계층 보안(Physical‑Layer Security, PLS)을 강화하기 위해, 두 단계 이종 그래프 신경망(Two‑Stage Heterogeneous Graph Neural Network, HGNN) 프레임워크를 제안한다. 시스템은 다수의 정당 사용자(Legitimate Users, LUs)와 다수의 도청자(Eavesdroppers, Eves)를 포함하며, BS는 정보 신호와 인공 잡음(Artificial Noise, AN)을 동시에 전송한다. 목표는 비밀 에너지 효율(Secrecy Energy Efficiency, SEE)을 최대화하면서 전력 예산과 위상 제약을 만족시키는 것이다. 1) **시스템 모델 및 문제 정의** - BS는 N_T 안테나를 가지고, K개의 단일 안테나 사용자와 M개의 단일 안테나 도청자에게 서비스를 제공한다. - RIS는 L개의 반사 요소를 가지고 있으며, 각 요소는 위상 ϕ_l∈