Resumo Técnico: Otimização da Taxa de Sigilo Máx-Mín para Redes ISAC Seguras

1. Definição do Problema

O artigo aborda os desafios de segurança em sistemas de Integração de Sensoriamento e Comunicação (ISAC), onde múltiplos usuários de comunicação (CUs) coexistem com múltiplos usuários de sensoriamento (SUs) não confiáveis. Estes SUs são modelados como potenciais interceptadores capazes de interceptar informações confidenciais destinadas aos CUs.

O objetivo central é projetar uma estratégia de formação de feixe de transmissão (transmit beamforming) na estação base (BS) que maximize a taxa de sigilo mínima entre todos os CUs. Esta formulação "máx-mín" garante a equidade no desempenho da comunicação segura. A otimização está sujeita a duas restrições físicas primárias:

1. Orçamento de Potência de Transmissão: A potência total consumida pela BS não deve exceder um limite predefinido.
2. Qualidade de Sensoriamento: O sistema deve manter um desempenho de sensoriamento específico, quantificado por uma restrição de erro de correspondência de padrão de feixe (beampattern matching error). Isso garante que o sinal transmitido ilumine efetivamente as direções dos alvos enquanto suprime os lóbulos secundários.

O problema de otimização resultante é altamente não convexo devido a:

• A expressão da taxa de sigilo, que envolve a diferença entre a taxa do usuário legítimo e a taxa máxima de interceptação (uma função não côncava).
• O acoplamento dos termos de sinal e interferência nas expressões da razão sinal-interferência mais ruído (SINR).
• A natureza não convexa das restrições de erro de correspondência de padrão de feixe.

2. Metodologia

Para lidar com a não convexidade e alcançar soluções de alta qualidade, os autores propõem duas abordagens algorítmicas distintas: um método globalmente ótimo e uma alternativa de baixa complexidade.

2.1 Otimização Global via Branch-and-Bound (BB)

Os autores primeiro reformulam o problema utilizando Relaxação Semidefinida (SDR), introduzindo matrizes de covariância ($V_k$) e relaxando as restrições de posto um (rank-one). Para lidar com as restrições logarítmicas não convexas restantes decorrentes das expressões de taxa, eles empregam uma estrutura de Branch-and-Bound (BB) combinada com relaxações convexas:

• Envelope Convexo: As restrições não convexas envolvendo funções exponenciais (derivadas das restrições de taxa logarítmica) são relaxadas usando envelopes convexos sobre intervalos específicos. Isso transforma os subproblemas em problemas de otimização convexos solúveis por solvers padrão (ex: CVXPY).
• Ramificação e Limitação (Bounding and Branching): O algoritmo particiona recursivamente a região viável das variáveis auxiliares. Em cada iteração, calcula-se um limite superior (via relaxação convexa) e um limite inferior (via uma solução viável construída).
• Convergência: O processo termina quando a lacuna entre os limites superior e inferior cai dentro de uma tolerância prescrita ($\epsilon$). O artigo fornece provas teóricas (Teoremas 2 e 3) garantindo que o algoritmo converge para uma solução $\epsilon$-ótima em um número finito de iterações.

2.2 Algoritmo de Baixa Complexidade via Aproximação Convexa Sucessiva (SCA)

Reconhecendo que a complexidade computacional do método BB cresce exponencialmente com o número de usuários e antenas, os autores propõem um algoritmo de Aproximação Convexa Sucessiva (SCA) para implantação prática:

• Linearização: As restrições não convexas são aproximadas usando expansões de Taylor de primeira ordem (limites inferiores lineares para as funções exponenciais convexas) em torno da solução da iteração anterior.
• Resolução Iterativa: Isso converte o problema original em uma sequência de subproblemas convexos.
• Convergência: O algoritmo atualiza iterativamente os pontos de linearização até que o valor do objetivo converja. O artigo prova que a função objetivo é não decrescente e limitada, garantindo a convergência para um ótimo local.

3. Principais Contribuições

O artigo delineia quatro contribuições primárias:

1. Modelagem do Sistema: Desenvolvimento de um framework ISAC multiusuário onde SUs não confiáveis realizam sensoriamento e interceptação simultâneos, formulado como um problema de taxa de sigilo máx-mín sob restrições de correspondência de padrão de feixe.
2. Metodologia Global: Proposta de um algoritmo baseado em BB com relaxação convexa que garante a convergência para o ótimo global, fornecendo limites superior e inferior estreitos.
3. Metodologia de Baixa Complexidade: Desenvolvimento de um algoritmo baseado em SCA que encontra eficientemente soluções locais de alta qualidade com complexidade computacional significativamente reduzida em comparação ao método global.
4. Análise de Desempenho: Simulações numéricas demonstrando o diferencial de desempenho entre soluções globais e locais, particularmente em cenários de alta dimensionalidade, e validando o desempenho quase ideal da abordagem SCA.

4. Resultados Numéricos

As simulações foram conduzidas com uma BS equipada com 16 antenas servindo 3 CUs e realizando o sensoriamento de 3 alvos não confiáveis sob canais de desvanecimento Rician.

• Convergência: Os limites superior e inferior do algoritmo BB convergiram para uma lacuna quase nula após aproximadamente 110 iterações. O algoritmo SCA convergiu muito mais rápido (dentro de ~10 iterações) para uma solução muito próxima do ótimo global.
• Escalabilidade: À medida que o número de CUs aumentou (de $K=2$ para $K=4$), a convergência do algoritmo BB desacelerou significamente, exigindo mais de $10^3$ iterações para $K=4$ para atingir a mesma tolerância de erro. Em contraste, o algoritmo SCA manteve uma convergência rápida independentemente do número de usuários.
• Compromissos (Trade-offs):
  • Sensoriamento vs. Segurança: O endurecimento do erro de correspondência de padrão de feixe (exigindo maior precisão de sensoriamento) reduziu drasticamente a taxa de sigilo mínima, pois a BS teve que alocar a maior parte dos recursos para o sensoriamento. Inversamente, o relaxamento das restrições de sensoriamento permitiu que as taxas de sigilo aumentassem até atingir um ponto de saturação determinado pelos limites de potência e interferência.
  • Contagem de Antenas: O aumento do número de antenas da BS (de 10 para 32) melhorou significativamente a taxa de sigilo mínima. Com um grande número de antenas (ex: 32), o sistema pode alcançar alta precisão de sensoriamento com um compromisso negligenciável no desempenho de sigilo, superando efetivamente o gargalo de hardware.

5. Significância e Alegações

O artigo afirma que seu algoritmo BB serve como um benchmark absoluto de desempenho, estabelecendo o limite teórico para a taxa de sigilo em redes ISAC seguras sob as restrições dadas.

O algoritmo baseado em SCA é apresentado como uma solução prática para implantações reais. Os autores afirmam que, embora a otimização global seja matematicamente rigorosa, sua complexidade exponencial torna-a proibitiva para sistemas de larga escala. O método SCA oferece uma alternativa atraente, alcançando um desempenho de sigilo quase ideal com uma complexidade computacional significativamente menor, tornando-o atraente para implementação em redes ISAC de larga escala onde o processamento em tempo real é necessário.

O trabalho destaca o compromisso crítico entre a qualidade do sensoriamento e a segurança da comunicação, fornecendo uma base de resultados para ajudar os projetistas de sistemas a determinar pontos de operação de equilíbrio (ex: tolerâncias específicas de erro de padrão de feixe) que equilibram o desempenho de radar com a capacidade de transmissão segura.