5G 中的物理层安全关键技术

78 阅读 0 评论 52 点赞

我是靠谱客的博主暴躁向日葵，最近开发中收集的这篇文章主要介绍5G 中的物理层安全关键技术，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

转自5G 中的物理层安全关键技术_信道 (sohu.com)

随着移动通信技术的快速发展，无线网络得到更为广泛的普及。然而，无线信道的开放性、网络的多样性和复杂性，使得 无线通信系统更容易受到其他用户的安全攻击。

在无线通信系统中，其性能指标主要体现在 有效性、可靠性、保密性等几个方面。当然，随着人们在近几十年中对通信领域不断进行研究，无线通信系统在有效性以及可靠性方面有了质的提高。在 有效性方面，全球移动通信系统(Global System for Mobile Communications，GSM)所支持的数据传输速率仅为9.6Kbit/s，而LTE-A(Long Term Evolution Advanced)的下行峰值速率将高达1Gbit/s。类似地，无线通信系统的 可靠性也有了很大程度的提升。然而，随着移动通信的迅速普及和业务类型的多样化，特别是很多金融业务开始在智能终端中进行，无线网络中的 通信安全变得越来越重要。

由于无线网络的开放性，无线通信网络很容易受到多种安全问题的困扰。首先，无线信道很容易受到干扰攻击，恶意攻击者可以通过在系统的工作频段发送纯噪声信号，降低接收信号的质量，影响无线通信系统的正常工作；其次，窃听者可以利用无线信道的广播特性，非常容易接收到目标信号；最后，攻击者可以利用无线网络的开放特性，非法接入目标网络，获取网络中的重要数据信息并实施攻击。

目前，GSM、3G 等蜂窝系统中的安全主要是基于传统的加密解密体系，在上层协议中保证系统的安全。 相比于传统的有线传输的安全问题，无线通信系统更容易受到安全攻击。对于传统的加密解密方式，终端计算能力的增强以及无线网络中密钥分配，使传统的基于协议的加密方式变得容易被破解。无线通信信道的开放性造成无线信道非常容易受到窃听者的监听，无线网络的多样性和复杂性使得密钥分配问题凸显，终端计算能力的增强同样使得传统的安全体系变得容易被破解。

基于信息安全理论的 物理层安全技术成为重要的解决方案之一。

目前物理层安全技术中， 保证系统安全性能的主要技术方案大致分为两类：一类是利用编码的方式，对传统的信道纠错编码进行修改，使其同时兼具纠错能力与保密能力；另一类是 预编码技术，在保证合法信道正常接收的同时，降低窃听信道的质量，提升系统的安全速率。

安全信道编码的主要思想是充分地利用无线信道的非完美特点(噪声、衰落以及干扰)，设计适合安全通信的信道编码，不仅能够为合法信道进行纠错，而且能够保证信息安全，阻止窃听者接收到有效信息。 安全信道编码的两个关键特点是嵌套式的编码结构和多个码字之间的随机特性。

物理层安全技术不依赖设备的计算能力，充分利用无线信道的随机性，通过利用信道状态信息(Channel State Information，CSI)， 合理地设计信道编码或预编码，从信息论的角度，提高系统的安全性。

近年来， 多天线技术得到人们越来越多的关注，它通过在发送端和接收端配备多个天线，实现空间复用和发送-接收分集。

无线信号传输具有多径传播的特性，多天线技术可以利用其空间复用增益使信道容量得以提升，而无须额外的功率和频谱开销。也可利用空间分集增益来对抗信道衰落，达到降低误码率，提高通信速率的效果。多天线技术因其具有分集和复用的效果而得到广泛应用，为物理层安全技术的发展提供了新的自由度。Hero 将单天线的物理层安全理论扩展到了多天线系统，并说明了在多天线系统下，安全速率大于单天线系统。 多天线系统下的物理层安全研究还有很大的研究空间。在干扰信道、中继信道等场景下，存在窃听者时，如何利用多天线的优势去最大化安全速率，一直驱使着学术界不断地探索。目前， 凸优化方法已经深入物理层安全的研究当中。本书也将会利用该方法，通过研究和设计波束成形向量等方法，来解决物理层安全的问题。

值得注意的是，随着移动设备数目的日益增长，无线通信系统的能量需求也受到了学术界和产业界的广泛关注， 能量收集(Energy Harvesting，EH)被认为是一项非常具有研究价值的技术。

在EH 中，射频信号(Radio Frequency，RF)可以为能量收集设备提供能量。同时携带信息和能量的RF 方案称为无线信息能量同时传输(Simultaneous Wireless Information and Power Transfer，SWIPT)。正如我们所知，在实际应用中，干扰场景的应用非常广泛，现阶段的4G 异构网络，可以简化为干扰信道。 从物理层安全的角度保证SWIPT 的安全通信也是近几年的热点关注问题。据我们所知，针对干扰网络中能量收集器(Energy Receivers，ER)的窃听风险场景仍未有人涉及，并且前面提到的工作也都无法直接拓展到该场景中这也激励了我们去深入研究这个场景。