Безопасность физического уровня (PLS) в Massive MIMO: основы, скрытая пропускная способность и Channel Hardening

В традиционных системах беспроводной связи (4G/5G) конфиденциальность информации в основном обеспечивается криптографическими алгоритмами на верхних уровнях протоколов (AES, RSA). Однако развитие квантовых вычислений и лавинообразный рост миллиардов IoT-устройств с ограниченными вычислительными ресурсами создают серьезные проблемы для классического распределения ключей.

Безопасность на физическом уровне (Physical-Layer Security - PLS) представляет собой революционную парадигму. Используя случайные характеристики беспроводного канала распространения (многолучевое замирание, тепловой шум, пространственную дисперсию), PLS обеспечивает теоретико-информационную стойкость, независимую от вычислительных мощностей злоумышленника.

В этой статье подробно рассматриваются основы PLS в системах Massive MIMO — фундаментальной технологии для сетей 5G-Advanced и 6G.

1. Классическая модель канала с перехватом Вайнера (Wiretap Channel)

Фундамент PLS был заложен в классической работе Аарона Вайнера (1975). Рассмотрим трехстороннюю модель:

Алиса (Базовая станция - BS): Оснащена массивом из $M$ антенн и передает конфиденциальное сообщение $s$ Бобу.
Боб (Легитимный пользователь): Авторизованный приемник с одной (или несколькими) антеннами.
Ева (Нелегитимный перехватчик): Находится в зоне покрытия и пытается перехватить и декодировать $s$ .

+----------------+      Основной канал h_B (Легитимный)    +---------------+
|  Алиса (BS)    | --------------------------------------> |   Боб (User)  |
|  (M антенн)    |                                         +---------------+
+----------------+
        \
         \  Канал перехвата h_E (Пассивный / Активный)
          \
           v
    +---------------+
    |  Ева (Шпион)  |
    +---------------+

Принятые сигналы на стороне Боба ( $y_B$ ) и Евы ( $y_E$ ) выражаются уравнениями:

$y_B = \mathbf{h}_B^H \mathbf{x} + n_B$ $y_E = \mathbf{h}_E^H \mathbf{x} + n_E$

Где:

$\mathbf{h}_B \in \mathbb{C}^{M \times 1}$ и $\mathbf{h}_E \in \mathbb{C}^{M \times 1}$ — векторы отклика каналов от Алисы к Бобу и Еве соответственно.
$\mathbf{x} = \mathbf{w} s \in \mathbb{C}^{M \times 1}$ — вектор передачи с диаграммообразующим вектором $\mathbf{w}$ ( $\mathbb{E}[|s|^2] = 1$ ).
$n_B \sim \mathcal{CN}(0, \sigma_B^2)$ и $n_E \sim \mathcal{CN}(0, \sigma_E^2)$ — белый гауссовский шум (AWGN).

2. Скрытая пропускная способность (Secrecy Capacity)

Пропускная способность легитимного канала ( $C_B$ ) и канала перехвата ( $C_E$ ) определяется формулой Шеннона:

$C_B = \log_2\left(1 + \frac{|\mathbf{h}_B^H \mathbf{w}|^2}{\sigma_B^2}\right)$

$C_E = \log_2\left(1 + \frac{|\mathbf{h}_E^H \mathbf{w}|^2}{\sigma_E^2}\right)$

Достижимая скорость секретной передачи ( $R_s$ ) определяется как разность взаимных информаций:

$R_s = [C_B - C_E]^+ = \max(0, C_B - C_E)$

Физический смысл: Если $C_B > C_E$ , Алиса может применить специальное помехоустойчивое кодирование для передачи данных со скоростью $R_s > 0$ так, что вероятность ошибки у Боба стремится к нулю, а у Евы взаимная информация стремится к нулю (Ева не получает абсолютно никакой полезной информации).

3. Асимптотические преимущества Massive MIMO для PLS

В обычных MIMO-системах ( $M \le 8$ ) обеспечение $C_B > C_E$ сильно зависит от взаимного расположения узлов. Если Ева ближе к базовой станции, чем Боб ( $\|\mathbf{h}_E\| > \|\mathbf{h}_B\|$ ), скрытая емкость может упасть до нуля.

Однако при $M \gg 1$ ( $M \ge 64, 128, 256$ ) проявляются ключевые асимптотические эффекты:

3.1. Асимптотическая ортогональность (Favorable Propagation)

По закону больших чисел при независимом рэлеевском замирании:

$\lim_{M \to \infty} \frac{\mathbf{h}_B^H \mathbf{h}_E}{M} = 0$

Пространственные сигнатуры каналов Боба и Евы становятся взаимно ортогональными почти наверное. БС может сформировать предельно узкий игольчатый луч (pencil beam) строго в направлении Боба с пренебрежимо малой утечкой в направлении Евы.

3.2. Эффект отвердевания канала (Channel Hardening)

При $M \to \infty$ нормированная мощность канала сходится к детерминированному коэффициенту крупномасштабного замирания:

$\lim_{M \to \infty} \frac{\|\mathbf{h}_B\|^2}{M} = \beta_B$

Быстрые мелкомасштабные замирания полностью усредняются. Случайный радиоканал начинает вести себя детерминированно, подобно проводной линии связи с коэффициентом передачи $\sqrt{M \beta_B}$ .

4. Сравнение методов диаграммообразования: MRT и Zero-Forcing

Критерий	Maximal Ratio Transmission (MRT)	Zero-Forcing (ZF)
Вектор весов	$\mathbf{w}_{MRT} = \sqrt{P} \frac{\mathbf{h}_B}{\\|\mathbf{h}_B\\|}$	$\mathbf{w}_{ZF} = \sqrt{P} \frac{\mathbf{P}_E^\perp \mathbf{h}_B}{\\|\mathbf{P}_E^\perp \mathbf{h}_B\\|}$
Сложность	Минимальная ( $\mathcal{O}(M)$ )	Средняя ( $\mathcal{O}(M K^2)$ ) из-за обращения матриц
При $M \to \infty$	$C_B \to \infty$ , $C_E \to \text{const}$	Полное подавление утечки к Еве ( $C_E = 0$ )
Скрытая скорость $R_s$	Логарифмический рост $\sim \log_2(M)$	Близко к оптимуму даже при умеренных $M$

5. Практическое моделирование на Python

Скрипт ниже демонстрирует расчет средней скорости скрытой передачи в зависимости от числа антенн БС $M$ :

import numpy as np

def simulate_pls_massive_mimo(M_list, snr_db=10, num_trials=5000):
    snr = 10 ** (snr_db / 10)
    secrecy_rates = []

    for M in M_list:
        rs_trials = []
        for _ in range(num_trials):
            # i.i.d. Рэлеевские каналы
            h_B = (np.random.randn(M, 1) + 1j * np.random.randn(M, 1)) / np.sqrt(2)
            h_E = (np.random.randn(M, 1) + 1j * np.random.randn(M, 1)) / np.sqrt(2)

            # MRT диаграммообразование
            w = h_B / np.linalg.norm(h_B)

            gamma_B = snr * (np.abs(np.vdot(h_B, w)) ** 2)
            gamma_E = snr * (np.abs(np.vdot(h_E, w)) ** 2)

            C_B = np.log2(1 + gamma_B)
            C_E = np.log2(1 + gamma_E)

            R_s = max(0.0, float(C_B - C_E))
            rs_trials.append(R_s)

        secrecy_rates.append(np.mean(rs_trials))
    return secrecy_rates

antennas = [8, 16, 32, 64, 128, 256]
results = simulate_pls_massive_mimo(antennas, snr_db=10)

for m, r in zip(antennas, results):
    print(f"Антенны M = {m:3d} -> Средняя скорость секретности: {r:.3f} бит/с/Гц")

6. Выводы

Massive MIMO — мощнейший катализатор для PLS: Огромное число степеней свободы устраняет быстрые замирания и обеспечивает естественную изоляцию подслушивателя.
Квантовая устойчивость: Защита базируется на законах физики и энтропии, делая перехват невозможным независимо от вычислительных ресурсов Евы.
Во второй части мы рассмотрим генерацию Искусственного Шума (Artificial Noise) для защиты от активных атак загрязнения пилот-сигналов (Pilot Contamination).