RIS-based Physical Layer Security for Integrated Sensing and Communication: A Comprehensive Survey
원문 초록
Integrated Sensing and Communication (ISAC) is a crucial component of future wireless networks, enabling seamless integration of Communication and Sensing (C\&S) functionalities. However, ensuring security in ISAC systems remains a significant challenge, as both C\&S data are susceptible to adversarial threats. Physical Layer Security (PLS) has emerged as a key framework for mitigating these risks at the transmission level. Reconfigurable Intelligent Surfaces (RIS) further enhance PLS by dynamically shaping the radio environment to improve both secrecy along with C\&S performance. This survey begins with an overview of RIS, PLS, and ISAC fundamentals, establishing a foundation for understanding their integration. The state-of-the-art RIS-assisted PLS approaches in ISAC systems are then categorized into passive RIS and Active RIS (ARIS) paradigms. Passive RIS-based techniques focus on optimizing system throughput, covert communication, and Secrecy Rates (SRs), alongside improving sensing Signal-to-Noise Ratio (SNR) and Weighted Sum Rate (WSR) under various constraints. ARIS-based strategies extend these capabilities by actively optimizing beamforming to enhance secrecy and covert rates while ensuring robust sensing under communication and security constraints. By reviewing both passive and ARIS-based security frameworks, this survey highlights the transformative role of RIS in strengthening ISAC security. Furthermore, it explores key optimization methodologies, technical challenges, and future research directions for integrating RIS with PLS to ensure secure and efficient ISAC in next-generation 6G wireless networks.
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
IoV-Oriented Integrated Sensing, Computation, and Communication: System Design and Resource Allocation
Active Reconfigurable Intelligent Surface-Assisted MISO Integrated Sensing and Communication Systems for Secure Operation
모달 경계의 흐림: 단일 모달에서 다중 모달 인물 재식별(ReID)에 대한 통합 서벡
Blurring Modal Boundaries: A Unified Survey from Single- to Multi-Modal Person Re-ldentification
인물 재식별(ReID)은 지능형 감시 시스템의 핵심 구성 요소로, 분리된 카메라 네트워크 간 신원을 매칭하는 것을 목표로 한다. 전통적인 방법은 주로 단일 모달 RGB 영상에 의존하지만, 낮은 조도와 가림(occlusion)과 같은 환경적 도전 과제에 종종 제약을 받는다. 이러한 한계를 극복하기 위해 해당 분야는 교차 모달(cross-modal) 및 다중 모달(multi-modal) 패러다임으로 빠르게 발전하고 있다. 본 서벡은 이러한 전환에 대한 포괄적인 개요를 제시하며, 직접 가시성을 넘어 지각을 확장하는 신흥 비시선(NLOS, Non-Line-of-Sight) ReID를 포함하여 가시-적외선(VI-ReID), 텍스트-이미지(TI-ReID), 스케치 기반(Sketch-ReID) 등 주요 교차 모달 과제를 체계적으로 검토한다. 또한 3분광(tri-spectral) 및 다중 모달 융합 ReID를 살펴보고, 다양한 센서의 상보적 정보가 어떻게 견고성(robustness)을 향상시키는지 논의한다. 데이터셋, 과제, 방법론을 요약하는 것을 넘어, 모달리티 불변(modality-invariant) 특징을 효과적으로 포착하도록 설계된 가시-적외선 ReID용 트랜스포머 기반 기준선 프레임워크를 제안한다. 마지막으로, 현재 연구 환경을 바탕으로 향후 연구를 위한 여러 유망한 방향을 제시한다.
야생에서의 보안 및 프라이버시 프롬프트: 사용자가 LLM에게 묻는 내용과 LLM의 응답 방식
Security and Privacy Prompts in the Wild: What Users Ask LLMs and How LLMs Respond
AI 샌드박스: 위협 모델, 분류 체계 및 측정 프레임워크
AI Sandboxes: A Threat Model, Taxonomy, and Measurement Framework
AI 샌드박스는 소프트웨어 도구, 네트워크로 연결된 장치, 또는 물리적 액추에이터를 통해 작동할 수 있는 시스템에 대한 증거를 생산한다. 이 증거의 해석은 실험의 경계에 달려 있다. 우리는 샌드박스 장치를 정의하고, 서로 겹치는 다섯 가지 원형을 구분하며, 주장 상대적인 측정 차원 열다섯 가지를 명시한다. 최약 고리 허가 규칙(weakest-link licensing rule)은 배치 주장을 가장 약한 필수 증거 차원 수준으로 제한한다. 우리는 이 규칙을 외부로의 피해와 평가 장치의 훼손을 모두 다루는 위협 모델과 연결하고, 주행, 산업 제어, 도구를 사용하는 에이전트, 비전-언어-행동 조작을 아우르는 네 가지 실제 사례에 적용한다. 또한 필요한 산출물을 표준 및 규제 수단에 대응시킨다. 이 프레임워크는 제한된 실험이 어떤 주장을 뒷받침하는지, 그 통제가 어떤 실패를 억제하는지, 그리고 배치 이전에 어떤 가정이 추가 검증을 필요로 하는지를 식별한다.
AGI에서 ASI로
From AGI to ASI
지난 10년간 인간 수준의 인공 일반 지능을 구축하는 일은 터무니없는 추측에서 대규모 AI 조직 다수의 구체적인 향후 10년 목표로 바뀌었다. 이 목표를 달성하면 인간 사회에 깊고 광범위한 영향을 미칠 것이며, 이는 향후 10년에 대해 많은 복잡한 질문을 제기한다. 본 보고서는 기계 지능의 연속체를 따라 AGI 이후 세계에서 AI 자체가 어떻게 계속 발전할 수 있는지를 탐구한다. 이 연속체의 종착점인 범용 AI(Universal AI)는 이론적으로 잘 이해되어 있어, 보고서의 주된 초점인 인간 수준 AGI에서 인공 일반 초지능으로의 전환에 형식적 토대를 제공한다. 인공 일반 초지능은 직관적으로 인간의 대규모 조직보다 더 지능적이고 인지적으로 유능한 시스템으로 이해할 수 있다. 보고서는 ASI를 특징지은 뒤 AGI에서 ASI로 가는 네 가지 잠재적 경로, 즉 AGI의 규모 확장, AI 패러다임 전환, 대규모 다중 에이전트 집단에서 ASI의 출현, 재귀적 개선을 논한다. 이어서 이러한 경로를 따라 나타날 수 있는 마찰과 병목을 논의한다. 이러한 마찰의 영향이 무시할 만한지 상당한지를 판단하는 일은 여러 구체적인 미해결 연구 질문을 제기한다. ASI 진전을 예측하는 데에는 큰 불확실성이 남아 있지만, 향후 몇 년간 AI의 진전이 계속 가속될 가능성을 배제할 수 없다. 이는 인간 수준 AGI의 사회 도입으로 인한 단일하고 변혁적인 단계적 변화라는 그림이 부정확할 수 있음을 시사한다. 오히려 과학과 기술의 여러 분야에서 AI가 가능하게 한 진전과 돌파구로 인해 일련의 변혁적 사회 변화가 일어나는 전망이 더 적절할 수 있다. 이러한 전망에 대비하려면 전 지구적 범위와 관심을 가진 대규모 학제 간 노력이 필요하다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.