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

技術要約：物理層セキュリティのためのエントロピー適応型マルチマップ・カオス変調

問題提起
本論文は、高密度なマルチユーザー無線およびIoTネットワークにおける、既存のカオスベースの物理層セキュリティ（PLS）スキームの限界に対処している。従来のアプローチは通常、静的なカオスパラメータに依存しており、正当な送受信機と受動的な盗聴器との間のパラメータ不一致のみからセキュリティを導き出している。著者らは、このモデルにおける2つの決定的な脆弱性を特定している：

1. 静的な予測可能性： カオスパラメータが長時間の通信にわたって固定されている場合、統計的推論手法によって、攻撃者が徐々に予測精度と同期性を向上させることが可能になる。
2. 限定的なエントロピー次元数： マルチユーザーシステムでは、多くの場合、全ユーザーに対して単一のカオス写像ファミリーが採用される。これはシステムのエントロピー次元数を制限し、ユーザー間の統計的な相関を残存させる可能性があり、それによってクロスユーザー推論を通じたパラメータ推定を容易にする。

核心となる問題は、同期やスケーラビリティを損なうことなく、いかにして境界内で安定した形でカオスの信号エントロピーとパラメータの進化を制御し、受動的な統計的推論に対する波形の予測可能性を低減するかである。

手法
著者らは、**マルチマップ動的エントロピー侵入検知型カオス変調（MU-DE-IAEACM-MM）**フレームワークを提案している。このアーキテクチャは、エントロピーを単なるカオスの副産物としてではなく、明示的に制御されたセキュリティ制御変数として扱うものである。手法は、統合された3つのコンポーネントで構成される：

1. ヘテロジニアス・マップ割り当て： ユーザーには異なるカオス写像ファミリー（ロジスティック、テント、チェビシェフ、サイン）が割り当てられる。この分布は、システム全体の総エントロピー次元数を増加させ、ユーザー間の統計的相関を減少させることで、クロスユーザー推論によるパラメータ推定のリスクを軽減する。
2. エントロピー駆動型パラメータ適応： 静的なスキームとは異なり、カオスの生成器の制御パラメータ（$r_u$）は動的に進化する。システムは、スライディングウィンドウを用いて、カオスの状態の経験的シャノンエントロピー（$H_u$）を推定する。適応型更新則は、現在のエントロピーと目標エントロピー（$H_t$）の差に基づき、停滞を防ぐための境界付きの状態依存摂動を組み込みながら、制御パラメータを適応的に更新する。
   • 更新則は次のように定義される：$r_{u,n+1} = r_{u,n} + \alpha x_{u,n} + \mu(H_{t(u)} - H_u)$。
   • リアプノフ関数を用いた安定性解析により、適他な収束条件（$0 < \mu < 2/\beta$ および $|\beta\alpha| < 1$）が確立されており、適応プロセスがシステムを不安定化させないことが保証されている。
3. 侵入検知型エスカレーション： システムは、相関に基づく侵入メトリックを組み込んでいる。もし盗聴器の再構成コヒーレンス（正規化相関によって測定）が閾値を超えた場合、システムは侵入レベルを検知し、目標エントロピー（$H_t$）を動的に増加させる。この「エントロピー・エスカレーション」は、カオスの軌道をより高次の複雑な領域へと強制的に移行させ、攻撃者の同期試行を阻害する。

主な貢献
本論文は、既存の文献と区別される3つの主要な貢献を主張している：

• 動的エントロピー制御： 静的なパラメータ秘匿を超え、本フレームワークはカオスの複雑性を能動的に制御することで、同期の安定性を維持しながら長期的な統計的推論を抑制する。
• ヘテロジニアス・マルチマップ・アーキテクチャ： 異なるタイプのカオス写像をユーザー間で分散させることにより、システムのエントロピー次元数を拡大し、ユーザー間の統計的依存関係を低減させ、高密度なマルチユーザー展開における課題を解決する。
• 証明可能な安定適応： 著者らは、適応型更新プロセスの解析的な安定条件を提示し、制御されていないカオスの適応が発散のリスクを孕むのに対し、エントロピー駆動型のパラメータ進化が有界かつ安定であることを実証している。

結果
本フレームワークは、多様なチャネル条件下（AWGN、レイリー、リシアン、インパルス、カラー、および狭帯域干渉）および変動するネットワーク密度（最大64の正当なユーザーと30の受動的な盗聴器）において、MATLABを用いたモンテカルロ・シミュレーションを通じて評価された。

• セキュリティ性能： すべてのチャネルモデルにおいて、正当なユーザーのビット誤り率（BER）は安定（0.238–0.255）していた一方、盗聴器のBERはランダム決定レベルである0.5付近に留まった。この持続的なギャップは、パラメータの不一致とエントロピー・エスカレーションが、再構成コヒーレンスの持続的な構築を効果的に防いでいることを裏付けている。
• 秘匿容量： 提案スキームは、AWGN下で0.198 bits/useの秘匿容量を達成し、代表的な固定パラメータ・カオススキーム（例：パラメータ分割多元接続の0.159 bits/use）を上回った。最も強力なベースラインに対する改善率は約3.7%であり、性能の低いベンチマークに対しては最大24%の向上を示した。
• スケーラビリティ： ユーザー密度が64ユーザーに増加しても、正当なユーザーのBERは制御された範囲内の増加（0.275まで）にとどまり、秘匿容量は正の値（>0.15 bits/use）を維持した。盗聴器の性能はネットワーク密度の増加に伴って向上することはなく、ヘテロジニアス・マップの割り当てがクロスユーザー推論を効果的に制限していることが示された。
• 安定性： シミュレーションにより、経験的エントロピーが振動的な発散を起こすことなく、動的に調整された目標値を追跡することが確認され、理論的な安定境界の妥当性が検証された。

意義と主張
本論文は、エントロピー制御型マルチマップ・カオス変調が、スケーラブルで同期安定な適応型物理層セキュリティへのアプローチを提供すると結論付けている。本研究の意義は、静的なパラメータ秘匿から有界なエントロピー進化への転換にある。エントロピーを制御された変数として扱うことで、複雑な上位層の暗号化や禁止的なレイテンシを導入することなく、受動的な統計的再構成に対するカオス変調の強度を高めることができる。

著者らは、本研究を次世代の無線およびIoTネットワーク、特にリソース制約のあるデバイスが高密度な展開において軽量な波形レベルの保護を必要とする環境における、実行可能なソリューションとして位置づけている。結果は、適応的なエントロピー制御が、多様なチャネル障害や複数の受動的な盗聴器が存在する場合でも、正の秘匿レートを維持できることを示唆している。著者らが述べている通り、今後の課題には、実用的なオシレータのドリフトを考慮したハードウェア検証や、高次元または分数次カオス系の探索が含まれる。