Entropy-Adaptive Multi-Map Chaotic Modulation for Physical-Layer Security

Technisches Resümee: Entropie-adaptive Multi-Map-chaotische Modulation für Sicherheit auf der physikalischen Schicht

Problemstellung
Die vorliegende Arbeit adressiert die Einschränkungen bestehender chaoselementbasierter Verfahren zur Sicherheit auf der physikalischen Schicht (Physical-Layer Security, PLS) in dichten Multi-User-Drahtlos- und IoT-Netzwerken. Herkömmliche Ansätze verlassen sich typischerweise auf statische chaotische Parameter und leiten die Sicherheit ausschließlich aus der Parameter-Fehlanpassung zwischen legitimen Transceivern und passiven Abhörern ab. Die Autoren identifizieren zwei kritische Schwachstellen in diesem Modell:

1. Statische Vorhersehbarkeit: Wenn chaotische Parameter über lange Übertragungen hinweg fixiert bleiben, ermöglichen statistische Inferenzmethoden es Angreifern, die Vorhersehbarkeit und Synchronisation schrittweise zu verbessern.
2. Begrenzte Entropie-Dimensionalität: Multi-User-Systeme verwenden oft eine einzige Familie chaotischer Abbildungen (Maps) für alle Nutzer, was die Entropie-Dimensionalität einschränkt und potenzielle statistische Korrelationen zwischen den Nutzern einführt, was eine Parameterschätzung durch Cross-User-Inferenz erleichtert.

Das Kernproblem besteht darin, wie die Entropie und die Entwicklung der chaotischen Signale in einer begrenzten, stabilen Weise reguliert werden können, um die Wellenform-Vorhersehbarkeit gegenüber passiver statistischer Inferenz zu reduzieren, ohne die Synchronisation oder Skalierbarkeit zu beeinträchtigen.

Methodik
Die Autoren schlagen das Framework der Multi-Map Dynamic-Entropy Intrusion-Aware Chaotic Modulation (MU-DE-IAEACM-MM) vor. Diese Architektur behandelt Entropie nicht bloß als Nebenprodukt des Chaos, sondern als eine explizite, regulierte Sicherheitskontrollvariable. Die Methodik besteht aus drei integrierten Komponenten:

1. Heterogene Map-Allokation: Den Nutzern werden verschiedene Familien chaotischer Maps (Logistic, Tent, Chebyshev und Sine) zugewiesen. Diese Verteilung erhöht die gesamte Entropie-Dimensionalität des Systems und reduziert die statistische Korrelation zwischen den Nutzern, wodurch das Risiko einer Parameterschätzung durch Cross-User-Inferenz gemindert wird.
2. Entropie-gesteuerte Parameteradaptation: Im Gegensatz zu statischen Schemata entwickeln sich die Kontrollparameter ($r_u$) der chaotischen Generatoren dynamisch. Das System schätzt die empirische Shannon-Entropie ($H_u$) des chaotischen Zustands über ein gleitendes Zeitfenster. Ein adaptives Update-Gesetz passt den Kontrollparameter basierend auf der Differenz zwischen der aktuellen Entropie und einer Zielentropie ($H_t$) an, wobei eine begrenzte zustandsabhängige Störung einbezogen wird, um Stagnation zu verhindern.
   • Die Update-Regel ist definiert als: $r_{u,n+1} = r_{u,n} + \alpha x_{u,n} + \mu(H_{t(u)} - H_u)$.
   • Eine Stabilitätsanalyse mittels einer Lyapunov-Funktion etabliert Bedingungen für die beschränkte Konvergenz ($0 < \mu < 2/\beta$ und $|\beta\alpha| < 1$), die sicherstellt, dass der Adaptationsprozess das System nicht destabilisiert.
3. Intrusionsbewusste Eskalation: Das System beinhaltet eine korrelationsbasierte Intrusion-Metrik. Wenn die Rekonstruktionskohärenz eines Abhörers (gemessen über die normalisierte Korrelation) einen Schwellenwert überschreitet, inferiert das System ein Intrusion-Niveau und erhöht dynamisch die Zielentropie ($H_t$). Diese „Entropie-Eskalation“ zwingt die chaotische Trajektorie in Regime höherer Komplexität, was die Synchronisationsversuche des Angreifers unterbindet.

Zentrale Beiträge
Das Paper beansprucht drei primäre Beiträge, die diese Arbeit vom bestehenden Stand der Forschung abheben:

• Dynamische Entropie-Regulierung: Über die statische Parametergeheimhaltung hinaus reguliert das Framework die chaotische Komplexität aktiv, um langfristige statistische Inferenz zu unterdrücken und gleichzeitig die Synchronisationsstabilität aufrechtzuerhalten.
• Heterogene Multi-Map-Architektur: Durch die Verteilung unterschiedlicher chaotischer Map-Typen über die Nutzer hinweg vergrößert das System die Entropie-Dimensionalität und reduziert die statistische Abhängigkeit zwischen den Nutzern, womit eine Lücke in dichten Multi-User-Deployments geschlossen wird.
• Nachweisbar stabile Adaptation: Die Autoren liefern analytische Stabilitätsbedingungen für den adaptiven Update-Prozess und zeigen auf, dass die entropiegetriebene Parameterentwicklung beschränkt und stabil sein kann, im Gegensatz zu unregulierter chaotischer Adaptation, die zu Divergenz führen kann.

Ergebnisse
Das Framework wurde mittels Monte-Carlo-Simulationen in MATLAB unter diversen Kanalbedingungen (AWGN, Rayleigh, Rician, Impulsive, Colored und Narrowband-Interferenz) sowie variierenden Netzwerkdichten (bis zu 64 legitime Nutzer und 30 passive Abhörer) evaluiert.

• Sicherheitsleistung: Über alle Kanalmodelle hinweg blieb die Bitfehlerrate (BER) der legitimen Nutzer stabil (0,238–0,255), während die BER des Abhörers nahe bei 0,5 (zufälliges Entscheidungsniveau) blieb. Diese beständige Lücke bestätigt, dass Parameter-Fehlanpassung und Entropie-Eskalation die dauerhafte Rekonstruktionskohärenz effektiv verhindern.
• Geheimniskapazität (Secrecy Capacity): Das vorgeschlagene Schema erreichte eine Geheimniskapazität von 0,198 Bits/Nutzung unter AWGN und übertraf damit repräsentative Fixed-Parameter-chaotische Schemata (z. B. 0,159 Bits/Nutzung für Parameter-Division Multiple Access). Die Verbesserung gegenüber dem stärksten Baseline-Modell betrug etwa 3,7 %, mit Gewinnen von bis zu 24 % gegenüber leistungsschwächeren Benchmarks.
• Skalierbarkeit: Mit zunehmender Nutzerdichte auf 64 Nutzer zeigte die legitime BER nur einen kontrollierten Anstieg (auf 0,275), und die Geheimniskapazität blieb positiv (> 0,15 Bits/Nutzung). Die Leistung des Abhörers verbesserte sich mit zunehmender Netzwerkdichte nicht, was darauf hindeutet, dass die heterogene Map-Allokation die Cross-User-Inferenz erfolgreich begrenzt.
• Stabilität: Simulationen bestätigten, dass die empirische Entropie die dynamisch angepasste Zielentropie ohne oszillierende Divergenz verfolgt, was die theoretischen Stabilitätsgrenzen validiert.

Bedeutung und Behauptungen
Das Paper kommt zu dem Schluss, dass die entropie-regulierte Multi-Map-chaotische Modulation einen skalierbaren und synchronisationsstabilen Ansatz für adaptive Sicherheit auf der physikalischen Schicht bietet. Die Bedeutung der Arbeit liegt in dem Wechsel von statischer Parametergeheimhaltung zu beschränkter Entropie-Evolution. Indem Entropie als eine regulierte Variable behandelt wird, stärkt das Framework die chaotische Modulation gegen passive statistische Rekonstruktion, ohne komplexe Protokolle der höheren Schichten zu benötigen oder prohibitive Latenzen einzuführen.

Die Autoren positionieren diese Arbeit als eine lebensfähige Lösung für drahtlose Next-Generation- und IoT-Netzwerke, insbesondere in dichten Deployments, in denen ressourcenbeschränkte Geräte einen leichtgewichtigen Schutz auf Wellenformebene benötigen. Die Ergebnisse legen nahe, dass eine adaptive Entropiekontrolle selbst in Gegenwart mehrerer passiver Abhörer und diverser Kanalstörungen positive Geheimnisraten aufrechterhalten kann. Zukünftige Arbeiten, wie von den Autoren angemerkt, umfassen die Hardware-Validierung unter praktischem Oszillatordrift sowie die Untersuchung höherdimensionaler oder fraktionaler chaotischer Systeme.