智能反射表面輔助的無線通信系統(tǒng)的物理層安全綜述

盧漢成，王亞正，趙丹，羅濤，吳俊

（1.中國科學技術大學信息網絡實驗室，安徽 合肥 230027；2.合肥綜合性國家科學中心人工智能研究院，安徽 合肥 230027；3.復旦大學計算機科學與技術學院，上海 200433）

0 引言

隨著短視頻、虛擬現實等業(yè)務的興起，網絡流量的需求飛速增長。未來無線通信系統(tǒng)需要能夠同時為大量設備提供服務并且保證一定的譜效和能效。為了實現上述目標，近年來，出現了許多先進技術，如大規(guī)模多輸入多輸出（MIMO,multiple-input multiple-output）、毫米波（mmWave,millimeter wave）、非正交多址接入（NOMA,non-orthogonal multiple access）等[1-2]。然而，上述技術會帶來難以負擔的能源消耗、硬件復雜度和信號處理復雜度。為了實現高通信容量、大連接的未來無線網絡，研究創(chuàng)新、高效、節(jié)約資源和成本的解決方案勢在必行。

近年來，一項名為智能反射表面（IRS,intelligent reflecting surface）的新興技術由于具有低功耗、低復雜度、可調控等特性，被認為是可廣泛應用于未來無線系統(tǒng)以提升通信性能，并實現對無線環(huán)境進行智能控制的關鍵技術[3]。具體來說，IRS是一塊由大量的反射單元組成的人造二維表面；每個反射單元在不同的偏置電壓激勵下會表現出不同的物理特性，其本質上是不同外界激勵對電路元件如電感、電容的改變。擁有不同物理特性的反射單元對入射的電磁波信號會產生不同的相位、幅度影響。因此，合理地調控每個反射單元的物理特性，可以使被IRS 反射的電磁波信號形成反射波束成形，從而聚集反射信號的能量，使其指向接收端，起到提高接收信號強度的作用[4]。同時，由于IRS采用的是反射單元，僅反射無線環(huán)境中已有的射頻信號而不產生新的射頻信號，因此IRS 能耗很低且不會產生新的干擾。將IRS 部署在收發(fā)端之間，在數學上就能實現對收發(fā)端無線信道的調控，可以實現智能可控的無線環(huán)境。IRS 作為新的一維優(yōu)化變量為無線系統(tǒng)帶來了另外的優(yōu)化維度且不會和現有無線系統(tǒng)產生沖突[5]。因此，IRS 可結合各種無線技術來提升通信系統(tǒng)性能。

由于IRS的上述優(yōu)點，IRS 輔助的無線通信系統(tǒng)得到了學術界的廣泛關注，研究方向包括硬件研發(fā)、性能優(yōu)化、信道估計（CE,channel estimation）等[6-8]。具體來說，硬件研發(fā)通過反射天線陣列、超穎材料等開發(fā)出了用于不同頻段無線系統(tǒng)的實際IRS 平臺[9-11]；性能優(yōu)化的相關研究則針對不同無線系統(tǒng)的不同性能指標，設計了相關的算法來獲取最優(yōu)的IRS 相位配置[12-22]；信道估計旨在解決IRS輔助無線系統(tǒng)中的信道狀態(tài)信息（CSI,channel state information）獲取問題[23-24]。在諸多的研究方向中，物理層安全（PLS,physical layer security）這項日益重要的性能指標得到了廣泛的關注和研究[7]。由于無線網絡環(huán)境越來越復雜，傳統(tǒng)的PLS 增強技術難以保證系統(tǒng)的安全性。例如，當竊聽者（Eav,eavesdropper）與合法用戶（LU,legitimate user）的地理位置相近時，兩者的信道相關性較強，此時在基站（BS,base station）端進行多天線波束成形（BF,beamforming）將信號指向LU 顯然也會使Eav 接收到更多的信號，無線系統(tǒng)的PLS 難以得到保證[25-26]。此時，將IRS 引入無線系統(tǒng)中，通過對IRS 進行聯(lián)合配置，可減弱反射到Eav的信號并增強反射到LU的信號，從而輔助增強系統(tǒng)PLS。因此，大量研究將IRS 引入無線系統(tǒng)中來構建更加安全的無線通信環(huán)境。由于相關研究的范圍很廣且各有特點，本文將IRS 輔助的無線通信系統(tǒng)的物理層安全研究大致總結為如下幾個主要方向。一是信息理論安全，該研究方向重點聚焦于IRS 輔助的無線通信系統(tǒng)的安全速率（SR,secrecy rate）、安全中斷概率（SOP,secrecy outage probability）等PLS 性能指標的理論分析或優(yōu)化提升[25-72]。二是隱蔽通信，該研究方向旨在借助IRS的可重構能力將合法鏈路的通信隱藏起來，避免被Eav 偵測到[73-79]。其他研究方向包括IRS輔助的無線通信系統(tǒng)中的密鑰生成[80-83]、導頻污染攻擊[84-85]等。

本文通過總結上述主要研究方向的文獻，展示了目前IRS 輔助無線通信系統(tǒng)的PLS 研究熱點方向，并探討了未來可能的研究熱點方向。

1 IRS 簡介

1.1 基本原理簡介

IRS的可重構特性可通過新興材料超穎表面來實現[9]。超穎表面是一種復合材料組成的表面，在上面安裝大量的超穎原子，即通常所稱的反射元件[10]。對反射元件施加不同大小的偏置電壓，能夠改變其幾何形式和其余物理特性，如諧振頻率等。進一步地，入射到超穎表面的電磁波信號的振幅、相位等也會相應地得到改變并反射出去。因此，對施加在反射單元上的外界激勵進行合理的調控，即可使反射出去的信號形成波束的效果，或是與其他路信號相干疊加，從而增強無線系統(tǒng)性能。

1.2 總體研究情況

IRS輔助的無線通信系統(tǒng)典型場景如圖1所示。從BS 發(fā)送的信號除了直接到達用戶UE，還會經過IRS 反射到達UE。合理地調控IRS的N個反射元件的相位，能夠使疊加后的信號強度增大[12]。當BS 端配備多天線時，除了調控IRS的元件相位，還需要聯(lián)合優(yōu)化BS的BF 矢量。針對不同的系統(tǒng)性能指標，如信噪比（SNR,signal-noise ratio）、發(fā)送功率、多用戶和速率（sum rate）、能量效率（EE,energy efficiency）、PLS 等，需要不同的聯(lián)合優(yōu)化算法來獲取最優(yōu)的BS 端BF 矢量和IRS 端相位配置。除此之外，IRS 還可以運用到不同的無線通信系統(tǒng)中與不同的無線技術結合，如mmWave 系統(tǒng)、NOMA 技術、正交頻分復用（OFDM,orthogonal frequency division multiplexing）技術等。比如，文獻[12]研究了IRS 輔助的單用戶多輸入單輸出（MISO,multiple-input single-output）無線系統(tǒng)中的接收信號強度最大化問題，采用了交替優(yōu)化的算法，當IRS 相位配置固定時，最優(yōu)的BS 端BF 矢量為最大速率傳輸比（MRT,maximum-ratio transmission）；當BF 矢量固定時，通過一系列數學矩陣變換子問題后使用半正定松弛（SDR,semidefinite relaxation）來得到最優(yōu)的IRS 相位配置。文獻[13]研究了IRS 輔助的多用戶MISO 無線系統(tǒng)的EE 優(yōu)化問題；基于序貫分式規(guī)劃和梯度下降搜索算法，提出了在一定用戶服務質量（QoS,quality of service）限制下的EE 提升算法，仿真顯示IRS 輔助的無線系統(tǒng)能比中繼輔助的無線系統(tǒng)提升300%的EE。文獻[14]首次研究了IRS 輔助的多用戶MISO 無線系統(tǒng)的和速率最大化問題；關于IRS 相位配置的優(yōu)化，針對3 種不同的IRS 元件的幅度和相位的設定，提出了3 種不同的算法并對比了復雜度和性能。文獻[15]研究了透鏡天線與IRS結合的寬帶mmWave系統(tǒng)并設計了性能提升算法。文獻[16]引入了多塊IRS 來解決mmWave 無線系統(tǒng)中高頻信號的高路損問題，研究了多塊IRS協(xié)同輔助多用戶的mmWave多天線系統(tǒng)，并設計了基于功耗選擇和連續(xù)凸逼近（SCA,successive convex approximation）的天線選擇EE 最大化算法。文獻[17-18]研究了IRS 輔助的多基站無線系統(tǒng)中的用戶接入問題，并提出了提升和速率的算法。在更具挑戰(zhàn)的Cell-Free 無線系統(tǒng)中應用IRS，文獻[19]研究了和速率最大化問題，通過拉格朗日對偶法和多維復二次變換將原問題分解為多個子問題，之后用交替方向乘子法進行凸優(yōu)化求解子問題。文獻[20]研究了在用戶中心網絡中結合IRS 以增強系統(tǒng)性能的框架和優(yōu)化算法。文獻[21]研究了利用 IRS 來增強無線供電物聯(lián)網（IoT,Internet of things）系統(tǒng)中的下行無線充電與上行信息傳輸，其中IRS的能耗也由無線充電所獲取。

圖1 IRS 輔助的無線通信系統(tǒng)典型場景

上述優(yōu)化算法的設計都基于CSI 全部已知的假設。然而由于IRS 只有反射單元，不具備射頻鏈路和信號處理鏈路，無法用IRS 來接收或發(fā)送導頻信號，也就無法在IRS 端進行CE，傳統(tǒng)的CE 算法需要進一步改進以運用到IRS 輔助的無線通信系統(tǒng)中。文獻[22]為了減少大量IRS 元件帶來的復雜度，將IRS 元件進行了分組，并通過最小二乘（LS,least square）估計得到每個分組對應的CSI；mmWave 無線系統(tǒng)中的CE 問題可以利用mmWave 信道特有的稀疏特性。在IRS 輔助的mmWave 無線系統(tǒng)中，文獻[23]利用mmWave 信道的稀疏性設計了基于壓縮感知的CE 算法。同樣考慮mmWave 無線系統(tǒng)，基于深度學習（DL,deep learning），文獻[24]將需要估計的二維級聯(lián)信道建模為二維的圖像，并借助圖像中的超分辨率恢復算法，提出了利用二維圖像行列之間的相關性、基于部分元件on-off的LS估計和超分辨神經網絡的CE算法。

2 IRS 輔助的無線通信系統(tǒng)的物理層安全

2.1 信息理論安全

在無線竊聽環(huán)境中，除了LU，還存在Eav。由于無線通信的廣播性質，BS 端發(fā)送的信息不僅能被LU 接收，同樣可以被Eav 接收到。兩者的數據速率差值即無線系統(tǒng)的SR。如圖2 所示，將IRS部署在無線環(huán)境中，連接信號被障礙物阻擋，信號可通過IRS 反射到LU 和Eav。聯(lián)合優(yōu)化BS 端BF矢量和IRS 端相位配置，可以提升LU 處的數據速率并降低Eav 處的數據速率，從而起到提升系統(tǒng)SR和增強系統(tǒng)PLS的效果。

圖2 IRS 輔助的無線竊聽系統(tǒng)

2.1.1安全優(yōu)化

優(yōu)化算法設計是信息理論安全中流行的研究方向之一。對于不同的無線竊聽環(huán)境，如多Eav、多LU、存在干擾者等場景，需要不同的算法來優(yōu)化無線系統(tǒng)的PLS 性能。針對SR、發(fā)送功率等不同的優(yōu)化性能指標和不同的限制條件，許多研究都提出了有效的算法，如基于交替優(yōu)化和凸優(yōu)化的傳統(tǒng)算法、基于深度強化學習（DRL,deep reinforcement learning）的人工智能方法。

文獻[25-26]研究了單天線的一個Eav、一個LU的IRS 輔助無線系統(tǒng)，并基于交替優(yōu)化提出了最大化系統(tǒng)SR的算法。針對同樣的無線系統(tǒng)，文獻[27]研究了發(fā)送功率最小化問題，基于半正定規(guī)劃（SDP,semi definite programming）求解并得到了最優(yōu)BF矢量的閉式表達式。文獻[28]將系統(tǒng)擴展到了具備多天線的Eav 場景，并得到了最大化SR的BS 端BF 矢量和IRS 相位配置的閉式和半閉式表達式。針對同樣的模型和問題，文獻[29]通過分式規(guī)劃（FP,fractional programming）和流形優(yōu)化（MO,manifold optimization）求解。進一步地，文獻[30]考慮了多天線的Eav 與LU，并設計了最小-最大化（MM,minorization-maximization）算法來提升系統(tǒng)SR?？紤]更實際的OFDM 系統(tǒng)，文獻[31]利用MM 算法和拉格朗日乘子法優(yōu)化了BS 端的多載波傳輸BF 矢量和IRS 相位配置，提升了系統(tǒng)SR。在未來的B5G/6G 中，mmWave 及太赫茲頻段或將成為主要技術，因此，文獻[32]在mmWave 場景中部署了多塊IRS 用于補償mmWave的高路損，研究了多塊IRS的選擇問題，設計了交替優(yōu)化算法來優(yōu)化多塊IRS的選擇向量、BS 端BF 矢量和IRS 相位配置。文獻[33]則利用了高頻段信道低秩的特性優(yōu)化了BS 端的混合預編碼和IRS 相位配置。文獻[34]考慮了更復雜的無線環(huán)境，即存在多個Eav 與多個LU的系統(tǒng)，首先提出了路徑跟蹤算法以最大化系統(tǒng)的最小SR，為了減少算法復雜度，又基于迫零（ZF,zero force）BF 設計了一種具有閉式表達式的啟發(fā)式算法。文獻[35]研究了IRS能否用于人工噪聲（AN,artificial noise）所增強的MISO 無線竊聽系統(tǒng)中，通過SDR 方法聯(lián)合優(yōu)化了AN 傳輸矢量、信息傳輸矢量和IRS 相位配置，提升了系統(tǒng)SR，證明了IRS與AN 結合的有效性。對于AN 輔助的多個LU 與Eav的MISO 無線竊聽系統(tǒng)，文獻[36]研究了每對LU 與Eav的SR 之和最大化問題，提出了基于SCA與乘法器交替方向器（ADMM,alternating direction method of multiplier）的算法。文獻[37-38]結合AN在IRS 輔助的MIMO 系統(tǒng)中，基于最小均方誤差（MMSE,minimum mean square error）和塊坐標下降（BCD,block coordinate descent）對BS 端的信息BF矢量、AN 傳輸矩陣和IRS 端相位配置3 個變量進行了聯(lián)合優(yōu)化，提升了系統(tǒng)的SR。文獻[39]進一步地擴展了安全無線傳輸中多塊IRS的選擇問題，在多LU的系統(tǒng)中，每個用戶可以選擇是否激活某一塊IRS?；赟DR 與SCA 設計了聯(lián)合優(yōu)化BS 端BF 矢量、IRS 相位配置、AN 傳輸矢量和多用戶IRS選擇矩陣的方案來最大化系統(tǒng)SR。在無線竊聽系統(tǒng)中，除SR 外，發(fā)送功率也是值得優(yōu)化的一個性能指標，文獻[40]利用二階錐規(guī)劃算法在滿足一定QoS的條件下最小化發(fā)送功率；文獻[41]考慮了MISO 無線竊聽場景中的EE 優(yōu)化問題。首先通過Dinkelbach 算法將分式目標函數轉換為輔助變量相減的形式，之后利用交替優(yōu)化和SDR 進行求解；類似于AN 干擾Eav的功能，文獻[42]采用協(xié)同干擾（CJ,cooperative jamming）技術，通過一個干擾器來降低Eav 處的數據速率，將發(fā)送功率和干擾傳輸功率都考慮在內，將系統(tǒng)的整體EE 作為優(yōu)化指標，采用SDR 方法優(yōu)化了CJ的BF 矢量、BS 端BF 矢量和IRS 相位配置。除了上述半雙工的接收機，也有文獻考慮了全雙工的接收機。文獻[43]研究了在一個單輸入多輸出（SIMO,single-input multiple-output）系統(tǒng)中的全雙工接收機，該接收機除了接收信號還發(fā)送信號干擾 Eav；設計了BCD算法框架來聯(lián)合優(yōu)化接收機的接收BF矢量、發(fā)送BF 矢量和IRS 相位配置。結合NOMA 技術，文獻[44]通過SDP 與SCA 優(yōu)化了BS 端BF 矢量和IRS 相位配置，且部分用戶有安全速率限制，能以較低的復雜度遍歷搜索找到最優(yōu)的串行干擾消除（SIC,successive interference cancellation）解碼順序。在無線攜能通信（SWIPT,simultaneous wireless information and power transfer）系統(tǒng)中同樣存在竊聽問題，文獻[45]研究了 IRS 輔助的SWIPT 系統(tǒng)中的PLS 相關問題，在滿足一定SR限制下，設計了交替優(yōu)化算法來最大化能量收集器處接收的能量。文獻[46]將IRS 輔助的SWIPT進一步擴展到物聯(lián)網場景并聯(lián)合CJ 技術，研究了一定SR 限制和功率傳輸限制下的能量收集最大化問題。通過一階泰勒展開、松弛變量等數學方法，將非凸問題轉為凸問題并通過SDR 進行優(yōu)化；在雙向通信中同樣可以應用IRS。文獻[47]研究了存在一個Eav的雙向通信場景和SR 最大化問題，并基于交替優(yōu)化算法優(yōu)化了2 個發(fā)送節(jié)點的發(fā)送功率和IRS 相位配置。

上述研究工作都基于一個很強的假設：BS 端知曉BS 到Eav的全部實時CSI。實際上，只有當Eav 曾接入BS 中時才有可能獲取其當時的CSI。因此，許多研究更實際地假設只能獲取Eav的部分CSI，即不完美CSI。除此之外，雖然許多研究提出了IRS 輔助無線系統(tǒng)的信道估計算法，但獲取的CSI 依舊存在一定程度的誤差。由于IRS 輔助無線竊聽系統(tǒng)對LU與Eav處的信道特性差異尤為敏感，針對誤差CSI 設計具有高穩(wěn)健性的優(yōu)化算法是極有意義與價值的。文獻[48]考慮了MISO的無線竊聽系統(tǒng)，并針對3 種不同的CSI 假設情況設計了對應的算法來最小化發(fā)送功率。文獻[49]在IRS 輔助的多竊聽者mmWave 無線系統(tǒng)中，利用離散樣本加權和來處理Eav的CSI 未知的問題，并利用SDR 最大化了系統(tǒng)的最差SR。文獻[50]首次考慮了數據統(tǒng)計的Eav-CSI 誤差模型，并在滿足一定中斷概率的條件下，通過SDR 與交替優(yōu)化算法最小化了發(fā)送功率。由于算法基于Eav 處級聯(lián)信道的數據統(tǒng)計CSI 誤差并考慮中斷概率限制，該算法相比基于完美CSI的工作有著更優(yōu)越的穩(wěn)健性。考慮更復雜的多Eav、多LU 且Eav 均配備多天線的無線系統(tǒng)，文獻[51]結合AN并在不完美CSI及一定Eav的QoS限制條件下，利用SDR 和SCA 最大化了多個LU的最差SR 總和。將IRS 與Eav 之間的信道建模為邊界CSI 錯誤模型，并利用線性矩陣不等式處理CSI 誤差對算法設計帶來的影響，提升了算法的穩(wěn)健性。結合NOMA 場景，文獻[52]在Eav-CSI 完全未知的情況下，利用史密斯正交化求解AN 傳輸矩陣來干擾外部Eav。對于內部的竊聽問題則通過交替迭代的方法來求解IRS 相位配置和BS 端功率分配；為了設計高穩(wěn)健性的算法，使算法在CSI 不準確時也能取得效果，文獻[54]在文獻[42]的基礎上進一步考慮了在邊界CSI 錯誤模型下，研究同樣的CJ 輔助的EE 優(yōu)化問題?；赟-procedure 處理CSI不確定帶來的影響，設計了在CSI 不準確的情況下也能有效提升系統(tǒng)EE的高穩(wěn)健性算法。同樣利用CJ 輔助的文獻[53]則在邊界CSI 錯誤模型下研究了在竊聽速率最大限制下如何最大化SR的問題，利用柯西不等式等數學工具將原非凸問題轉為凸問題，并利用SCA和懲罰凸凹過程算法來優(yōu)化發(fā)送端BF矢量及IRS 相位配置。文獻[55]基于未知分布的CSI 錯誤模型，設計了滿足一定PLS 條件下的廣播多用戶最小SNR的提升算法。由于該算法不依賴于CSI 錯誤模型的具體數學分布而僅基于均值和反差，因此擁有更好的穩(wěn)健性；進一步考慮LU 處的CSI 同樣存在誤差的情況，文獻[56]假設所有LU 與Eav 處的CSI 都滿足邊界錯誤模型，設計了在所有CSI 均不完美的情況下也能提升和速率的高穩(wěn)健性聯(lián)合優(yōu)化算法。

除了傳統(tǒng)的凸優(yōu)化方法，深度學習和強化學習也是有效的方法。文獻[57]考慮單輸入單輸出（SISO,single-input single-output）OFDM 無線系統(tǒng)的EE，并將其定義為SR 除以總功率，其中總功率為發(fā)送功率加上所有IRS 元件消耗的功率，通過設計好的深度神經網絡（DNN,deep neural network）來預測最優(yōu)的IRS 相位配置和IRS 元件數目。文獻[58]首先通過傳統(tǒng)算法得到最大化SR的最優(yōu)IRS 相位配置和BS 端BF 矢量，并將最優(yōu)值作為對應CSI 輸入的標簽來訓練DNN。訓練完畢后的網絡可接收其他的CSI 輸入并輸出這種情況下對應的最優(yōu)解；在無人機（UAV,unmanned aerial vehicle）通信系統(tǒng)場景中，同樣存在竊聽問題且同樣可由IRS 輔助來增強PLS。文獻[59]設計了基于DRL的學習框架，將過時的CSI作為第一個深度確定性策略梯度（DDPG,deep deterministic policy gradient）網絡的輸入，動作空間為UAV 端的BF 矢量和IRS 相位配置，將UAV的位置信息作為第二個DDPG 網絡的輸入，將UAV的飛行距離和方向作為動作空間，兩者的獎勵函數均設置為與SR 正相關。文獻[60]利用DRL算法將不完美的CSI、LU 和Eav的數據速率作為狀態(tài)，將從碼本中挑出的BS 端BF 矢量和IRS 相位配置作為動作，并設計了與LU 數據速率正相關而與Eav 數據速率負相關的獎勵。通過后驗決策狀態(tài)學習來對抗CSI的不確定性并通過優(yōu)先經驗回放提高了學習效率，最終提升了多用戶的最差SR 之和。再進一步地，文獻[61-62]假設Eav-CSI 是完全未知的，并在滿足LU 一定QoS的前提下通過最大化AN的發(fā)送功率，來盡可能地干擾Eav，即惡化Eav 處的信道情況并降低Eav 處的信干噪比（SINR,signal to interference plus noise ratio）以提升系統(tǒng)的PLS。IRS 輔助無線系統(tǒng)的物理層安全優(yōu)化研究如表1 所示。

表1 IRS 輔助無線系統(tǒng)的物理層安全優(yōu)化研究

2.1.2性能分析

性能分析的研究方向主要是從理論上推導出，即將IRS 引入無線通信系統(tǒng)中，對系統(tǒng)的PLS 性能帶來多少數值提升，或者各種PLS 性能指標的數學表達式，包括閉式表達式或漸近逼近表達式等。

文獻[63]首先分析了最基本的IRS 輔助竊聽無線系統(tǒng)，考慮了單天線的BS、Eav 和LU的系統(tǒng)模型。首先將IRS 元件相位根據LU-CSI 取為最優(yōu)值，之后根據信道參數的瑞利分布特性和中心極限定理（CLT,central limit theorem）得到LU 及Eav 端的SNR 概率分布特性，包括累積分布函數（CDF,cumulative distribution function）和概率密度函數（PDF,probability density function）等。最后，根據SOP的表達式得到其漸近逼近的數學表達式；實際中IRS 元件的相位通常是離散的、有限的，即并不一定總能取到最優(yōu)值。因此，文獻[64]將離散相位的影響考慮在內并研究了串通和不串通2 種情形的Eav。同樣根據CLT 等概率分析方法，對系統(tǒng)的遍歷SR（ESR,ergodic secrecy rate）進行漸近分析并得到2 種情形下的閉式逼近表達式；同樣考慮離散相位，文獻[65]采用Fox’H轉換理論及Mellin-Barnes 積分，得到SOP 及平均SR（ASR,average secrecy rate）的準確表達式和漸近表達式。對于多Eav的竊聽系統(tǒng)，文獻[66]計算了多個瑞利變量的樣本極大值的CDF，并據此推導了系統(tǒng)最差SR 所對應的SOP 與ASR的CDF 與PDF。在多用戶隨機分布的情況下，文獻[67]借助隨機幾何的數學工具，考慮多LU 服從齊次泊松分布過程并得到了SOP、非零安全容量概率（PNSC,probability of nonzero secrecy capacity）和ASR的表達式。在MIMO 系統(tǒng)中，得到了準確且精簡的SINR的CDF表達式，并進一步地在高SNR 條件下對中斷概率進行了漸近分析，證明了當IRS 元件數目較小時無法提升非視距鏈路小路損情況下的系統(tǒng)性能。在更復雜的NOMA 系統(tǒng)中，文獻[68]考慮了典型的2 個用戶的場景，并分析了接收端執(zhí)行SIC 后的SINR概率分布特性，之后分別得到了2 個用戶各自的信號所對應的ASR 表達式。

IRS 可輔助的不僅僅局限于上述傳統(tǒng)的無線竊聽場景，還可運用到如車聯(lián)網、物聯(lián)網等各種通信場景中。在文獻[69]中，IRS 用于輔助2 輛車輛之間的通信，不依賴于使用CLT，使用更多樣的方法得到了存在一個直接竊聽發(fā)送端信道的Eav 時對應的SOP 表達式，且通過仿真證明了在IRS 元件數目較小時，表達式的結果和仿真的結果很相近。在設備到設備（D2D,device-to-device）通信中，文獻[70]用IRS 來輔助2 個設備間的通信，而BS 所在的中心網絡則存在一個LU、一個Eav，分析了D2D 通信的中斷概率和中心網絡的SOP、PNSC的數學表達式并用仿真證明了其正確性。文獻[71]研究了全雙工接收端的SISO 無線系統(tǒng)，接收端在接收到發(fā)送端經IRS 反射來的信息信號的同時也發(fā)送干擾信號用于降低竊聽者的SINR；并定義了該系統(tǒng)的截獲概率（IP,intercept probability），根據Eav 和LU端的SINR 分布特性推導了IP 在有、無干擾2 種情況下的數學表達式。文獻[72]考慮了多對發(fā)送節(jié)點的雙向通信系統(tǒng)，首先設計了新的用戶調度算法來提升SR，之后又得到了ASR的一個下界的閉式表達式并分析了ASR的標度定律（當發(fā)送功率、IRS元件數目、用戶對數趨于無窮大時）。IRS 輔助無線系統(tǒng)的物理層安全性能分析研究如表2 所示。

表2 IRS 輔助無線系統(tǒng)的物理層安全性能分析研究

2.2 隱蔽通信

上述信息理論安全重在保護數據傳輸，使數據難以被Eav 竊聽。而隱蔽通信的目的則在于將合法鏈路的通信（Alice 到Bob）隱藏起來，使Eav（Willie）無法偵測到合法通信鏈路的存在。文獻[73]首次提出了將IRS 用于增強隱蔽通信的無線系統(tǒng)，如圖3所示，通過調節(jié)IRS 相位配置使收發(fā)端的通信鏈路隱蔽起來，使偵測者無法探測到收發(fā)端通信鏈路的存在。對IRS 輔助隱蔽通信系統(tǒng)進行數學分析與優(yōu)化后的性能結果指出，隱蔽通信的安全級別比信息理論安全更高，且隱蔽通信不依賴于Eav的能力。由于IRS 對信道的可重配特性，可通過對IRS的優(yōu)化使合法通信鏈路被偵測到的可能性進一步降低（或變成純隨機過程）。因此，將IRS引入隱蔽通信中，通過優(yōu)化來降低合法鏈路被偵測的概率，同樣是關于IRS 輔助無線系統(tǒng)PLS 增強的一個重要方向。

圖3 IRS 輔助的隱蔽通信系統(tǒng)

在文獻[74]中，IRS 用于協(xié)助全雙工多天線發(fā)送端（Alice）將信號繞過障礙物傳給全雙工接收端（Bob），同時一個Eav（Willie）嘗試檢測到這段合法的通信鏈路，而Bob 自身也會發(fā)送干擾信號用于擾亂Willie 對通信鏈路是否存在的判斷。文獻[74]首先基于最佳檢測閾值分析了Willie 處的檢測錯誤概率（DEP,detection error probability），得到了誤判概率和漏判概率等重要指標的數學表達形式和概率特征；之后，研究了隱蔽速率（CR,covert rate）最大化的問題，通過懲罰對偶分解（PDD,penalty dual decomposition）和BCD 算法對BS 端BF 矢量和IRS 相位配置進行聯(lián)合優(yōu)化；類似于信息安全理論中Eav 處的CSI 通常難以全部知曉，Willie 也常常隱藏自己，使其CSI 也通常難以獲取。文獻[75]針對Willie 處不同的CSI 情況進行了優(yōu)化算法研究。首先考慮單天線的Alice，在只有Willie的部分CSI 情況下（只知道信道矩陣的均值、方差），針對最大化CR 問題，可直接得到最優(yōu)的發(fā)送功率并利用三角不等式得到最優(yōu)的IRS 相位配置；在CSI 完全知曉的情況下，通過SCA、SDR 與高斯隨機化（GR,Gaussian randomization）技術得到了上述最大化CR 問題的解。之后考慮多天線的Alice，在部分CSI 情況下，BS 端BF 矢量設為MRT 并通過凸優(yōu)化工具CVX 和GR 得到IRS的最優(yōu)相位配置；在CSI完全知曉的情況下，除了交替優(yōu)化算法，文獻[75]還基于ZF 和Willie 鏈路功率最小化提出了2 種復雜度較低的算法來最大化CR。另外，針對所有鏈路（Alice、Bob、Wille 處）CSI 不完美（邊界CSI 錯誤模型）的各種情況，文獻[75]通過數學變化將各個問題變?yōu)橥箚栴}，并基于交替優(yōu)化、SDR 和GR等技術求解使CR 提升的最優(yōu)值。文獻[76]則從理論分析上證明了借助IRS 可在非零傳輸功率的單天線Alice 系統(tǒng)中實現完美隱蔽（Willie的檢測等同于一個隨機猜測的過程）。文獻[76]首先研究了完美CSI 情況下滿足一定隱蔽限制條件時，Bob 處SNR最大化的問題；將問題轉化為廣義非線性凸優(yōu)化問題后，利用懲罰連續(xù)凸優(yōu)化（PSCA,penalty successive convex approximation）算法來聯(lián)合優(yōu)化Alice的傳輸功率、IRS 端的相位配置和幅度配置；當Willie 處的瞬時CSI 未知而只知分布時，得到了隱蔽限制的表達式并觀察到其與IRS 相位配置無關，之后用CVX 優(yōu)化了IRS 幅度配置和Alice 傳輸功率來提升Bob 處的SNR。文獻[77]研究了IRS-NOMA無線竊聽系統(tǒng)的上下行傳輸并假設Alice 僅知曉Willie的數據統(tǒng)計CSI，系統(tǒng)中除了接收者Bob，還存在另一個接收者Roy且發(fā)送功率按一定比率分給2 個用戶。文獻[77]首先得到了Willie 處的DEP的分布特性和表達式并選擇了能使錯誤概率最低的檢測閾值；之后研究了在Roy 處QoS 限制、Alice傳輸功率限制和Willie 處最低DEP 限制下，Bob 處CR 最大化的下行傳輸問題。Alice 處的功率分配經過數學分析后可得到最優(yōu)解的閉式表達式，而IRS相位配置的最優(yōu)值則通過SDR 得到。類似地，Alice處CR 最大化的上行傳輸問題也用同樣的方法得到了研究和解決；在隱蔽無線通信中，Alice 傳輸數據的概率同樣也是影響整體性能的可優(yōu)化變量之一。文獻[78]研究了聯(lián)合優(yōu)化傳輸數據概率、發(fā)送功率和IRS 相位配置來最大化Bob 端可達數據速率期望的問題。其首先推導了Willie 處DEP的精確閉式表達式，之后通過搜索的方法來得到最優(yōu)的傳輸數據概率和發(fā)送功率。除了典型指標CR，文獻[79]還研究了傳輸中斷概率優(yōu)化問題。與前述工作類似，其首先推導了Willie 處的DEP 表達式，之后在隱蔽限制、最大傳輸功率限制下，通過搜索和凸優(yōu)化工具CVX 降低了系統(tǒng)傳輸中斷概率，IRS 輔助無線系統(tǒng)的隱蔽通信研究如表3 所示。

表3 IRS 輔助無線系統(tǒng)的隱蔽通信研究

2.3 其他

除了上述兩大主流PLS 研究方向，無線系統(tǒng)的PLS 還有很多輕量級的研究方向如表4 所示。而IRS的可重構特性，為整個無線系統(tǒng)的優(yōu)化帶來了一個新的維度，使其應用場景非常廣泛，這也包括各種輕量級的PLS 研究方向。比如，密鑰生成（SKG,secret key generation）。SKG的目標是提高上下行信道的相關性，同時降低BS-LU 信道和BS-Eav 信道之間的相關性，這樣Eav 就難以獲取有關密鑰的信息。文獻[80]首先推導了IRS 輔助無線系統(tǒng)中的密鑰容量（SKC,secret key capacity）的下界閉式表達式。之后通過SDR 和SCA 算法優(yōu)化IRS的相位和幅度來最大化得到的閉式下界。文獻[81]為了得到密鑰速率（SKR,secret key rate）的數學表達式，首先將復數的信道系數拆分為獨立的實部與虛部，進一步通過數學推導得到復信道系數的PDF。之后考慮了高SNR 及極大IRS 元件數量2 種特殊情況，并得到了SKR的上界閉式表達式。通過分析發(fā)現，可搜索IRS 元件切換時間來提升SKR；由于SKR與Eav、LU 相應的信道的隨機性有關，因此引入IRS 對信道進行重配置可提升兩者之間的隨機性。文獻[82]設計了一種啟發(fā)式算法和DRL算法框架來提升無線系統(tǒng)的SKR?？紤]一次性密碼本通信系統(tǒng)中的SR，文獻[83]設計了一種最優(yōu)時隙分配算法來分配SKG 和加密信息傳輸過程；之后，在Eav-CSI未知的情況下，基于泊松點過程推導了SKR的理論表達式。

表4 IRS 輔助無線系統(tǒng)的物理層安全其他研究方向

另一個PLS的隱患為導頻污染攻擊（PCA,pilot contamination attack）。在時分復用系統(tǒng)中，CSI的獲取通常基于信道互易性，且無線傳輸中導頻序列通常為公開的，因此具備射頻鏈路的有源Eav 可發(fā)送信號來干擾導頻傳輸的過程。在IRS 輔助的無線通信系統(tǒng)中，同樣存在PCA的問題。在文獻[84]中，Eav 發(fā)送的干擾信號和Bob 發(fā)送的導頻信號一同通過IRS 反射到Alice，因此Alice 端CE 得到的CSI 有著較大誤差?；贛RT-BF 和安全正則化ZF 預編碼，文獻[84]設計了交替優(yōu)化算法來提升系統(tǒng)的SR。另一個使用IRS的不同研究角度在文獻[85]中得到了研究，假設IRS 被Eav 所使用，Bob 在傳輸導頻時，除了直接發(fā)送到Alice，還會經過IRS 反射到Alice。此時Eav 通過對IRS 進行配置能減弱Alice 處的接收信號強度，降低CE的準確度。針對上述問題，文獻[85]提出了一種基于最快檢測的方法來檢測IRS-PCA的存在，即在每一個時隙Alice 接收到的信號序列都會和之前接收到的信號序列聯(lián)合考慮來做決定。更進一步地，文獻[85]設計了一種IRS-PCA 存在情況下的新的CE 算法。具體來說，多個協(xié)同節(jié)點一起發(fā)送互相正交的導頻序列，且這些信號序列都會經過IRS 反射后被Alice 接收。因此可分析其中相似的分量來獲取IRS 相關CSI。

3 結束語

3.1 研究總結

IRS的可調控特性使其能實現對無線信道的重新配置。在整個無線傳輸系統(tǒng)中，等于引入了新的一維可優(yōu)化變量。通過對收發(fā)端的BF、功率分配、IRS 相位配置等進行聯(lián)合優(yōu)化，可以實現對整個無線系統(tǒng)性能的極大增強。因此，無線系統(tǒng)的PLS 同樣可以通過IRS的輔助而得到提升。在IRS 輔助的無線竊聽系統(tǒng)中，對IRS 進行有效配置可提升LU 處的通信質量而降低Eav 處的通信質量，進而可從信息理論安全、隱蔽通信等不同的角度來提升PLS 性能。

基于IRS的信息理論安全增強主要通過聯(lián)合優(yōu)化IRS 與收發(fā)端BF 來提升SR、SOP 等PLS 相關性能指標。最新的研究擴展到了更廣泛的無線場景。文獻[86]研究了認知無線網絡（CRN,cognitive radio network）中的PLS 問題，設計了滿足CRN 中主用戶干擾程度限制、次用戶SR 限制的系統(tǒng)EE 最大化算法。文獻[87]利用IRS 增強了移動邊緣計算（MEC,mobile edge computing）系統(tǒng)的PLS，考慮本地計算的能耗、任務卸載等限制，設計了聯(lián)合優(yōu)化IRS 與AN的算法來降低系統(tǒng)的總功耗。

基于IRS的隱蔽通信系統(tǒng)，旨在通過優(yōu)化IRS使偵測者無法探測到合法通信鏈路，從而提升系統(tǒng)的CR。文獻[88]考慮了多天線的Bob 與Alice，提升了一定隱蔽限制條件下MIMO-IRS 無線系統(tǒng)的CR；文獻[89]研究了IoT 網絡中的IRS 輔助隱蔽通信系統(tǒng)，解決了完美隱蔽傳輸時的CR 最大化問題。

PLS 研究方向的最新研究工作中，如SKG，文獻[90]推導了準靜態(tài)環(huán)境中SKR 上下界的閉式表達式并得出結論：SKR 與IRS 元件數、相關系數、導頻長度和反射信道質量相關。關于PCA，文獻[91]將IRS 用于破壞時分雙工（TDD,time division duplex）系統(tǒng)中的信道互易性，完成了導頻攻擊。

3.2 未來展望

目前，基于IRS的信息理論安全增強的相關研究較為完善，未來可考慮如下2 個研究方向。

1)多基站通信系統(tǒng)中的PLS增強。Cell-Free、用戶中心網絡等多基站無線系統(tǒng)中，無線接入點和用戶的數目更多、分布更廣泛。在這樣復雜的無線系統(tǒng)中，Eav、Jammer的存在使系統(tǒng)的PLS問題更具有挑戰(zhàn)性，需要進一步考慮IRS 部署的位置、復雜系統(tǒng)的CSI 獲取、用戶的調度等。

2) 非法IRS的反制與對抗。由于IRS的低能耗、低成本特性，不只有合法鏈路能利用IRS 提升性能，非法鏈路同樣可以部署自己的IRS 來輔助竊聽鏈路或降低合法鏈路的性能。比如，文獻[85]將IRS 用于輔助Eav的導頻攻擊；文獻[92]中Eav在BS 附近部署自己的IRS 來增強對合法信號的反射收集。由于IRS 無源，IRS 輔助的非法鏈路的偵測和相關CSI的獲取都非常困難。此時，傳統(tǒng)的聯(lián)合優(yōu)化算法很難得到好的效果，難以保證安全的無線傳輸。需要設計全新的技術手段來對抗非法IRS。

基于IRS的隱蔽通信研究可以從如下2 個方向進行擴展。

1) 更全面的系統(tǒng)設計目標?，F有研究集中在設計最大化CR的算法。未來研究可以在滿足各類隱蔽通信條件的限制下（如CR 大于或等于一定閾值、DEP 小于或等于一定限制等），優(yōu)化速率、能效、發(fā)送功耗等目標。

2) 更復雜的無線通信系統(tǒng)?，F有研究多考慮單個接收端、發(fā)送端、偵測者的無線系統(tǒng)，而實際無線系統(tǒng)更復雜。例如收發(fā)端、偵測者均配備多天線[88]、OFDM 無線系統(tǒng)、多個通信接收端等等。更復雜的無線系統(tǒng)具有更廣泛的研究場景，能為實際部署IRS 增強隱蔽通信帶來更大的參考價值。

IRS 輔助無線系統(tǒng)中PLS的其余研究方向目前集中在SKG 與PCA，兩者可從如下的角度進行研究擴展。

1)多用戶的分組SKG 設計。在多用戶的無線系統(tǒng)中，每個用戶的無線通信范圍有限，而部署IRS 則能擴展信號覆蓋范圍。為此，需要設計IRS 優(yōu)化算法來提升分組密鑰容量。同時，針對IRS 輔助的SKG 傳輸需要重新設計協(xié)同密鑰提取協(xié)議。

2) 基于IRS的PCA 檢測與反制。目前研究大多利用IRS 來進行PCA，而在存在PCA的無線系統(tǒng)中，也可以通過引入IRS 來進行檢測與反制。例如，通過提取IRS 反射的導頻信號信息來判斷無線環(huán)境中是否存在其他的干擾源；通過優(yōu)化IRS 來增強LU的導頻傳輸鏈路通信質量。