Segurança da Camada Física Assistida por RIS com CSI Imperfeito: Uma Abordagem Robusta de Aprendizado Profundo Orientada por Modelo

Superfície inteligente reconfigurável (RIS) surge como um paradigma promissor e oferece uma nova perspectiva para a segurança da camada física. Na prática, a informação imperfeita do estado do canal do espião (CSI) representa um desafio crítico para o design da segurança da camada física assistida por RIS. Para enfrentar esse problema, este artigo investiga o aprimoramento da segurança da camada física assistida por RIS sob CSI imperfeito do espião e formula um problema robusto de maximização da taxa de sigilo ponderada somada. Para resolver esse problema de forma eficiente, propõe-se uma abordagem de aprendizado profundo orientada por modelo. Começamos introduzindo o algoritmo de descida-ascensão do gradiente para resolver o problema de otimização. Em seguida, desdobramos esse algoritmo em uma rede profunda de desdobramento auxiliada por unidade recorrente gateada (GRU) com parâmetros treináveis. A rede profunda de desdobramento auxiliada por GRU proposta aproveita a GRU para gerar adaptativamente os tamanhos dos passos de ascensão-descida do gradiente. Diferente da rede profunda de desdobramento existente que geralmente possui um número fixo de iterações, a rede profunda de desdobramento proposta integra a capacidade de aprendizado sequencial da GRU e permite ajuste adaptativo das iterações. Os resultados das simulações demonstram que, em comparação com os algoritmos de otimização não robustos existentes e a rede profunda de desdobramento tradicional com número fixo de iterações, o método proposto manifesta robustez contra CSI imperfeito e alcança uma maior taxa de sigilo ponderada somada.