Resumen

En la era inteligente de simbiosis humano-computadora, el uso del método de aprendizaje automático para la confrontación de comunicación encubierta se ha convertido en un tema candente de seguridad en redes. La tecnología de comunicación encubierta existente se centra en la anormalidad estadística del comportamiento del tráfico y no considera la anormalidad sensorial de los sensores de seguridad, por lo que se enfrenta al problema central de la falta de capacidad cognitiva. Con el fin de mejorar aún más el ocultamiento de la comunicación, se propone un método de juego de engaño cognitivo, que tiene como objetivo eliminar la anomalía del tráfico en dimensiones tanto conductuales como cognitivas. En consecuencia, se establece un modelo de Red Generativa Antagónica de Canal Encubierto de Wasserstein (WCCGAN). El modelo utiliza el muestreo restringido de precursores cognitivos para construir el mecanismo de restricción de equivalencia funcional y equivalencia cognitiva, y es entrenado por un algoritmo de aprendizaje de actualización de estrategia din

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Aprendizaje automático; Comunicación encubierta; Engaño cognitivo; Comportamiento del tráfico; Sensores de seguridad; Red generativa adversaria
• Keywords:Machine learning; Covert communication; Cognitive deception; Traffic behavior; Security censors; Generative adversarial network