基于联合时序预测网络学习的物理层密钥生成方法

您当前的位置：

首页 >

文章列表页 >

更新时间：2026-10-26

- 基于联合时序预测网络学习的物理层密钥生成方法
- Physical Layer Key Generation Method Based on Joint Temporal Prediction Network Learning
- 通信学报 2026年
- 作者机构：
  
  东北大学计算机科学与工程学院，辽宁沈阳 110819
- 作者简介：
  
  叶宁（1982− ），女，博士，东北大学讲师，主要研究方向为无线隐蔽通信和无线物理层安全。
  郑萌，zhengmeng@cse.neu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(62603127)
- DOI：10.11959/j.issn.1000-436x.TXXB260555
  中图分类号：
- 收稿：2026-09-10，
  
  修回：2026-10-16，
  
  录用：2026-10-22，
- 稿件说明：
移动端阅览
叶宁, 杨林霏, 郑萌, 等. 基于联合时序预测网络学习的物理层密钥生成方法[J/OL]. 通信学报, 2026.

Ye Ning, Yang Linfei, Zheng Meng, et al. Physical Layer Key Generation Method Based on Joint Temporal Prediction Network Learning[J/OL]. Journal on Communications, 2026.
叶宁, 杨林霏, 郑萌, 等. 基于联合时序预测网络学习的物理层密钥生成方法[J/OL]. 通信学报, 2026. DOI： 10.11959/j.issn.1000-436x.TXXB260555.

Ye Ning, Yang Linfei, Zheng Meng, et al. Physical Layer Key Generation Method Based on Joint Temporal Prediction Network Learning[J/OL]. Journal on Communications, 2026. DOI： 10.11959/j.issn.1000-436x.TXXB260555.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于置信度差异与熵最小化的跨时间鲁棒射频指纹识别方法

混沌低截获概率通信技术研究综述

基于深度强化学习的移动边缘计算安全传输策略研究

毫米波车联网多基站多用户下的安全传输方案

STAR-RIS辅助的NOMA系统物理层安全性能优化