Comunicação Veicular Segura Assistida por RIS Partitionado Baseada em Meta-Aprendizagem e Aprendizagem por Reforço

Este estudo aborda a questão de garantir comunicações seguras em redes veiculares ad hoc (VANETs) sob ameaças dinâmicas de escuta, onde os espiões reposicionam-se de forma adaptativa para interceptar transmissões. Introduzimos um esquema que utiliza uma superfície inteligente reconfigurável partitionada (RIS) para auxiliar na transmissão conjunta de sinais confidenciais e ruído artificial (AN) de uma estação fonte. O RIS é dividido em segmentos: um aprimora a reflexão do sinal legítimo em direção ao receptor veicular pretendido, enquanto o outro direciona AN para os espiões a fim de degradar sua recepção. Para maximizar o desempenho de segredo em ambientes em rápida mudança, introduzimos uma estrutura de otimização conjunta integrando meta-aprendizagem para a partition do RIS e aprendizagem por reforço (RL) para a otimização da matriz de reflexão. O componente de meta-aprendizagem determina rapidamente a razão de partition do RIS ótima ao encontrar novos cenários de escuta, aproveitando experiências prévias para adaptar-se com dados mínimos. Subsequentemente, a RL é empregada para otimizar dinamicamente tanto os vetores de formação de feixes quanto os coeficientes de reflexão do RIS, melhorando assim ainda mais o desempenho de segurança. Simulações extensivas demonstram que a abordagem sugerida atinge uma taxa de segredo 28% maior em relação às técnicas convencionais assistidas por RIS, além de uma convergência mais rápida em comparação com abordagens tradicionais de aprendizado profundo. Esta estrutura equilibra com sucesso o aprimoramento de sinal com interferência de jamming, garantindo uma segurança robusta e energeticamente eficiente em ambientes veiculares altamente dinâmicos.