CN114867059A - 一种基于压缩感知的无线数据安全聚合方法 - Google Patents
一种基于压缩感知的无线数据安全聚合方法 Download PDFInfo
- Publication number
- CN114867059A CN114867059A CN202210512195.2A CN202210512195A CN114867059A CN 114867059 A CN114867059 A CN 114867059A CN 202210512195 A CN202210512195 A CN 202210512195A CN 114867059 A CN114867059 A CN 114867059A
- Authority
- CN
- China
- Prior art keywords
- compressed sensing
- user
- compressed
- wireless data
- air interface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000002776 aggregation Effects 0.000 title claims abstract description 25
- 238000004220 aggregation Methods 0.000 title claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000007480 spreading Effects 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0205—Traffic management, e.g. flow control or congestion control at the air interface
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/69—Spread spectrum techniques
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
- H04W28/065—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information using assembly or disassembly of packets
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于压缩感知的无线数据安全聚合方法,通过将用户节点分为不同的用户节点组,每一组分配一个相同的压缩感知编码,该压缩感知编码包括压缩扩频码,通过对压缩扩频码的配置实现不同用户数据在空中接口的叠加,在中心服务器接收端的空中接口处形成一种叠加信号,最终实现无线数据的安全聚合。本发明利用压缩感知技术实现高效高安全的分布式学习无线数据安全聚合机制,以应对分布式学习中海量参数及高实时性需求场景。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种基于压缩感知的无线数据安全聚合方法。
背景技术
现有分布式学习数据聚合中隐私保护的研究大致可以分为三类:一类是基于安全多方计算,另一类则是基于同态加密算法,最后一类是基于本地差分隐私技术。
现有技术存在的问题:
(1)基于本地差分隐私技术:基于差分隐私的数据保护机制占用了额外通信资源降低了学习性能。在本地差分隐私保护技术中,强力的外加噪声可以显著提升本地数据的隐私保护,但是高强度的噪声不仅会占用过多的通信资源还会对后续分布式学习模型造成困扰;
(2)基于安全多方计算:安全多方计算方案中,其隐私保护依靠多轮安全协商和一些强力密码方案设定实现,例如全同态加密算法,这种形式必然导致安全聚合过程将会占用额外的通信和计算资源;
(3)同态加密算法:同态加密算法和安全多方计算应用于机器学习的数据隐私保护,可以实现较高等级的安全保护,但是同时会引发额外繁重的通信和计算负荷,很难应用于较大规模网络场景。
发明内容
有鉴于此,本发明的目的是提供一种基于压缩感知的无线数据安全聚合方法,通过利用无线通信天然的空口叠加特性和压缩感知技术实现高效高安全的分布式学习无线数据安全聚合机制,能够应对分布式学习中海量参数及高实时性需求场景。
本发明的目的是通过以下技术方案实现的:
一种基于压缩感知的无线数据安全聚合方法,其特征在于:所述方法包括:
将用户节点分为不同的用户节点组,每一组分配一个相同的压缩感知编码,该压缩感知编码包括压缩扩频码,通过对压缩扩频码的配置实现不同用户数据在空中接口的叠加,在中心服务器接收端的空中接口处形成一种叠加信号,最终实现无线数据的安全聚合。
进一步,不同用户数据在空中接口的叠加过程,包括以下步骤:
步骤S1:将用户节点需要上传给中心服务器的原始数据wL的压缩感知编码视为一种线性测量,在中心服务器空中接口处,将接收信号表示为:
其中,Tm表示线性测量结果,m∈{1,...M}表示用户节点组的索引,RM表示中心服务器所能接收到的最终信号,hm表示对应用户节点的无线信道,em表示相应的噪声;
步骤S2:引入虚拟用户节点,即wL=0来扩展信道基数,如果虚拟用户数目为Z,则总的用户数目为P=M+Z,设用户已经完成信道估计,根据信道估计的结果对信道的影响进行补充;
步骤S3:考虑全部用户节点,基于多测量压缩感知理论,得到最终的叠加信号计算公式,从而得到最终的叠加信号数据。
进一步,所述步骤S1中,将用户节点需要上传给中心服务器的原始数据wL的压缩感知编码视为一种线性测量,表示为:
Tm=wL,m·φm (1)
其中,Tm表示线性测量结果,m∈{1,...M}表示用户节点组的索引,wL,m=(wL,m,1+wL,m,2+,...,wL,m,J)/J而且J表示一组中用户节点数目,φm∈Φ=[φm,1,...,φm,P]T表示对应每一组节点的扩频码,其长度为D,Φ表示压缩感知中的测量矩阵,而P代表其大小;
进一步,所述步骤S2中,根据信道估计的结果对信道的影响进行补充,故信道hm被设定为1,这样公式(2)表示为:
进一步,所述步骤S3中,考虑全部用户节点,基于多测量压缩感知理论,公式(3)可以重新表示为:
RP=ΦW+E (4)
W=[wL,1,...,wL,P]P×D表示对应每一用户节点组的叠加信号,EC×D表示噪声矩阵。
本发明的有益效果是:
(1)降低了空中计算技术对通信同步的严格要求:传统的空中计算需要通信系统保持非常精准的通信同步以实现信号的理想叠加,而基于压缩感知的无线聚合方法提供了一种基于编码实现信号叠加的思路,信号与数据的空中叠加依赖于分组编码的设计,从而降低了对通信严格同步的要求;
(2)进一步提高了通信效率并且节点控制更加灵活:传统的空中计算只能完成规划时间内严格同步节点的信号叠加,而基于压缩感知的无线聚合机制提供了一种非正交编码方式,在实现规划时间内节点信号叠加的同时可以实现基于码分的数据叠加,从而进一步提高了通信效率,并且编码的分配不受时间和空间的限制,使得节点的分配和布置更加灵活。本方案在信息安全和人工智能等领域有着广阔的应用前景。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为正交通信与空中计算技术示意图;
图2为基于压缩感知的空口叠加过程示意图;
图3为应用实例的应用场景示意图。
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
如图1所示,针对现有技术中的隐私威胁分析,本发明提出利用空中接口叠加技术实现无线数据的安全聚合。在传统的正交无线通信方式中,为了实现多用户通信之间的干扰问题,通常需要提前给不同的用户节点分配正交的通信资源,例如不同频率子载波、不同时隙、不同的正交扩频码。有别于传统正交无线通信方式,空中计算技术依靠无线信道的自然叠加特性,可以实现信道在空中接口的直接叠加。
基于空中计算技术,本发明提出将无线数据聚合过程建模成多测量压缩感知过程,通过对压缩扩频码的配置实现不同用户数据在空中接口的叠加,最终实现无线数据的安全聚合,图2提供了基于压缩感知的空口叠加过程示意图。
本实施例将用户节点分为不同的用户节点组,每一组分配一个相同的压缩感知编码,这样在中心服务器接收端的空中接口处就会形成一种叠加信号,最终实现无线数据的安全聚合。
不同用户数据在空中接口的叠加过程,包括以下步骤:
步骤S1:针对用户节点需要上传给中心服务器的原始数据wL的压缩感知编码可以视为一种线性测量,用公式(1)表示为:
Tm=wL,m·φm (1)
其中,Tm表示线性测量结果,m∈{1,...M}表示用户节点组的索引,wL,m=(wL,m,1+wL,m,2+,...,wL,m,J)/J而且J表示一组中用户节点数目,φm∈Φ=[φm,1,...,φm,P]T表示对应每一组节点的扩频码,其长度为D,Φ表示压缩感知中的测量矩阵,而P代表其大小。
由此,在中心服务器空中接口处,接收信号可以被表示为:
RM表示中心服务器所能接收到的最终信号,hm表示对应用户节点的无线信道,em表示相应的噪声。
步骤S2:对这种叠加信号的信号估计过程可以看作是一种多测量压缩感知重构过程,但是真实用户所占据的信道必须是稀疏的。为了实现这一条件,引入虚拟用户节点(也就是wL=0)来扩展信道基数,如果虚拟用户数目为Z,则总的用户数目为P=M+Z。设用户已经完成信道估计,根据信道估计的结果对信道的影响进行补充,故信道hm被设定为1。此时公式(2)可以被表示为:
步骤S3:考虑全部用户节点,基于多测量压缩感知理论,公式(3)重新表示为:
RP=ΦW+E (4)
W=[wL,1,...,wL,P]P×D表示对应每一用户节点组的叠加信号,EC×D表示噪声矩阵。该步骤考虑全部用户节点,基于多测量压缩感知理论,得到最终的叠加信号计算公式,从而得到最终的叠加信号数据。
应用实例
该应用实例的应用场景如图3所示,中心节点利用个人智能设备收集用户打字习惯从而改进和更新相关软件服务,在此过程中,用户不希望中心节点采集自己的隐私信息(例如:个人移动轨迹信息、个人ID信息、个人手机用户习惯等)。
中心节点从附近400个个人智能设备提取训练数据更新用户打字服务质量,利用基于压缩感知的无线数据安全聚合方法,400个用户组可以被分为4个100个群组,每个群组使用相同的压缩感知非正交编码对私有信息进行编码,经过无线空中计算过程叠加后,中心节点和用户组采用联邦学习进行用户习惯学习,随后中心节点将优化后的学习模型分发给各个用户节点,对个人用户打字服务质量进行更新升级,此过程中个人隐私信息被无线数据的天然叠加特性掩盖,中心节点无法提取和识别单个个人智能设备的隐私信息。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于压缩感知的无线数据安全聚合方法,其特征在于:所述方法包括:
将用户节点分为不同的用户节点组,每一组分配一个相同的压缩感知编码,该压缩感知编码包括压缩扩频码,通过对压缩扩频码的配置实现不同用户数据在空中接口的叠加,在中心服务器接收端的空中接口处形成一种叠加信号,最终实现无线数据的安全聚合。
2.根据权利要求1所述的一种基于压缩感知的无线数据安全聚合方法,其特征在于:不同用户数据在空中接口的叠加过程,包括以下步骤:
步骤S1:将用户节点需要上传给中心服务器的原始数据wL的压缩感知编码视为一种线性测量,在中心服务器空中接口处,将接收信号表示为:
其中,Tm表示线性测量结果,m∈{1,...M}表示用户节点组的索引,RM表示中心服务器所能接收到的最终信号,hm表示对应用户节点的无线信道,em表示相应的噪声;
步骤S2:引入虚拟用户节点,即wL=0来扩展信道基数,如果虚拟用户数目为Z,则总的用户数目为P=M+Z,设用户已经完成信道估计,根据信道估计的结果对信道的影响进行补充;
步骤S3:考虑全部用户节点,基于多测量压缩感知理论,得到最终的叠加信号计算公式,从而得到最终的叠加信号数据。
3.根据权利要求2所述的一种基于压缩感知的无线数据安全聚合方法,其特征在于:
所述步骤S1中,将用户节点需要上传给中心服务器的原始数据wL的压缩感知编码视为一种线性测量,表示为:
Tm=wL,m·φm (1)
其中,Tm表示线性测量结果,m∈{1,...M}表示用户节点组的索引,wL,m=(wL,m,1+wL,m,2+,...,wL,m,J)/J而且J表示一组中用户节点数目,φm∈Φ=[φm,1,...,φm,P]T表示对应每一组节点的扩频码,其长度为D,Φ表示压缩感知中的测量矩阵,而P代表其大小。
5.根据权利要求4所述的一种基于压缩感知的无线数据安全聚合方法,其特征在于:所述步骤S3中,考虑全部用户节点,基于多测量压缩感知理论,公式(3)可以重新表示为:
RP=ΦW+E (4)
其中,W=[wL,1,...,wL,P]P×D表示对应每一用户节点组的叠加信号,EC×D表示噪声矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512195.2A CN114867059A (zh) | 2022-05-11 | 2022-05-11 | 一种基于压缩感知的无线数据安全聚合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210512195.2A CN114867059A (zh) | 2022-05-11 | 2022-05-11 | 一种基于压缩感知的无线数据安全聚合方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114867059A true CN114867059A (zh) | 2022-08-05 |
Family
ID=82637971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210512195.2A Pending CN114867059A (zh) | 2022-05-11 | 2022-05-11 | 一种基于压缩感知的无线数据安全聚合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114867059A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024124516A1 (zh) * | 2022-12-16 | 2024-06-20 | 华为技术有限公司 | 数据处理方法以及相关装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101841932A (zh) * | 2010-05-10 | 2010-09-22 | 南京邮电大学 | 无线传感器网络中基于动态分簇的分布式压缩感知方法 |
WO2017193056A1 (en) * | 2016-05-05 | 2017-11-09 | Ntt Docomo, Inc. | Mechanism and procedure of base station selection based on uplink pilot and distributed user-proximity detection |
CN107612605A (zh) * | 2017-09-20 | 2018-01-19 | 天津大学 | 一种基于压缩感知和解码转发的数据传输方法 |
CN107613542A (zh) * | 2017-09-01 | 2018-01-19 | 天津大学 | 一种使用能量收集提高协作网络物理层安全的方法 |
CN107682701A (zh) * | 2017-08-28 | 2018-02-09 | 南京邮电大学 | 基于感知哈希算法的分布式视频压缩感知自适应分组方法 |
CN107743056A (zh) * | 2017-10-25 | 2018-02-27 | 电子科技大学 | 一种基于压缩感知辅助的scma多用户检测方法 |
CN111901829A (zh) * | 2020-07-10 | 2020-11-06 | 江苏智能交通及智能驾驶研究院 | 基于压缩感知和量化编码的无线联邦学习方法 |
-
2022
- 2022-05-11 CN CN202210512195.2A patent/CN114867059A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101841932A (zh) * | 2010-05-10 | 2010-09-22 | 南京邮电大学 | 无线传感器网络中基于动态分簇的分布式压缩感知方法 |
WO2017193056A1 (en) * | 2016-05-05 | 2017-11-09 | Ntt Docomo, Inc. | Mechanism and procedure of base station selection based on uplink pilot and distributed user-proximity detection |
CN107682701A (zh) * | 2017-08-28 | 2018-02-09 | 南京邮电大学 | 基于感知哈希算法的分布式视频压缩感知自适应分组方法 |
CN107613542A (zh) * | 2017-09-01 | 2018-01-19 | 天津大学 | 一种使用能量收集提高协作网络物理层安全的方法 |
CN107612605A (zh) * | 2017-09-20 | 2018-01-19 | 天津大学 | 一种基于压缩感知和解码转发的数据传输方法 |
CN107743056A (zh) * | 2017-10-25 | 2018-02-27 | 电子科技大学 | 一种基于压缩感知辅助的scma多用户检测方法 |
CN111901829A (zh) * | 2020-07-10 | 2020-11-06 | 江苏智能交通及智能驾驶研究院 | 基于压缩感知和量化编码的无线联邦学习方法 |
Non-Patent Citations (2)
Title |
---|
NING WANG: "Privacy Protection and Efficient Incumbent Detection in Spectrum Sharing Based on Federated Learning", 2020 IEEE CONFERENCE ON COMMUNICATIONS AND NETWORK SECURITY (CNS), 7 August 2020 (2020-08-07), pages 6 - 7 * |
杜嵩: "虚拟全双工系统同步与多用户碰撞脉冲检测技术研究", 中国优秀硕士学位论文全文数据库, 15 April 2019 (2019-04-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024124516A1 (zh) * | 2022-12-16 | 2024-06-20 | 华为技术有限公司 | 数据处理方法以及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qin et al. | Federated learning and wireless communications | |
Pan et al. | User-centric C-RAN architecture for ultra-dense 5G networks: Challenges and methodologies | |
Zhu et al. | Foundation study on wireless big data: Concept, mining, learning and practices | |
CN103718526B (zh) | 导频配置方法、发送方法及装置 | |
CN114867059A (zh) | 一种基于压缩感知的无线数据安全聚合方法 | |
Sun et al. | Time-correlated sparsification for efficient over-the-air model aggregation in wireless federated learning | |
WO2019024929A1 (zh) | 一种数据传输方法、相关设备及系统 | |
Yuan et al. | A novel pilot decontamination scheme for uplink massive MIMO systems | |
CN108370302A (zh) | 用于在无线局域网(wlan)内提供资源信令的系统和方法 | |
CN114219354A (zh) | 一种基于联邦学习资源分配优化方法及系统 | |
CN111787624A (zh) | D2d辅助的蜂窝网络中的一种基于深度学习的可变维度资源分配算法 | |
CN105873217B (zh) | 基于多因素的stdma自组织网络动态时隙分配方法 | |
CN109600756B (zh) | 一种基于最大度优先染色算法的物理小区识别分配方法 | |
CN110621025B (zh) | 一种设备选型方法和装置 | |
Dahrouj et al. | Coordinated scheduling for wireless backhaul networks with soft frequency reuse | |
Chen et al. | Performance optimization of federated learning over mobile wireless networks | |
CN108521632A (zh) | 基于Wi-Fi的实时社交关系发现系统及实现方法 | |
CN111193535B (zh) | 一种在fdd大规模mimo系统中基于elm叠加csi的反馈方法 | |
CN111865548B (zh) | 通信方法以及通信终端 | |
WO2016107262A1 (zh) | 小小区频带资源的分配方法及装置 | |
CN104901732A (zh) | 一种密集节点配置系统中的导频复用方法 | |
CN103986540B (zh) | 一种基于非重构框架的频谱感知方法 | |
CN115499115A (zh) | CF-mMIMO场景下基于正交导频的活跃用户检测方法 | |
CN115250536A (zh) | 一种基于大数据对比的多ap协调管控方法及系统 | |
CN117678172A (zh) | 信道数据生成方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |