ワイヤレスネットワークベースの機械学習アプローチの物理レイヤー認証

ワイヤレスネットワークの物理層のセキュリティは、ワイヤレス通信の急速な発展とセキュリティの脅威の増加により、ますます重要になっています。さらに、ワイヤレスチャネルのオープンな性質のため、認証はワイヤレス通信で重要な問題です。物理層認証（PLA）は、情報理論のセキュリティと低い複雑さを提供するための特徴的な機能に基づいています。しかし、多くの研究者はPLAとワイヤレスセキュリティの改善にどのように使用されるかに関心がありますが、現在の最先端のPLAと関連する主要な基盤の体系的な概要はありません。。したがって、このペーパーは、物理層認証の既存の研究を決定し、体系的に比較することを目的としています。この研究は、物理層認証モデルの機械学習アプローチがワイヤレスネットワークセキュリティパフォーマンスを増加させ、PLAで使用した最新の手法を実証したかどうかを示しました。さらに、それは問題を特定し、将来の研究のための指示を提案しました。この研究は、機械学習（ML）とディープラーニング（DL）アプローチの使用に関心のある研究者やセキュリティモデル開発者にとって、将来の研究とデザインのワイヤレス通信システムのPLAのアプローチに役立ちます。

The physical layer security of wireless networks is becoming increasingly important because of the rapid development of wireless communications and the increasing security threats. In addition, because of the open nature of the wireless channel, authentication is a critical issue in wireless communications. Physical layer authentication (PLA) is based on distinctive features to provide information-theory security and low complexity. However, although many researchers are interested in the PLA and how it might be used to improve wireless security, there is surprisingly little literature on the subject, with no systematic overview of the current state-of-the-art PLA and the main foundations involved. Therefore, this paper aims to determine and systematically compare existing studies in the physical layer authentication. This study showed whether machine learning approaches in physical layer authentication models increased wireless network security performance and demonstrated the latest techniques used in PLA. Moreover, it identified issues and suggested directions for future research. This study is valuable for researchers and security model developers interested in using machine learning (ML) and deep learning (DL) approaches for PLA in wireless communication systems in future research and designs.