智能反射面（IRS, Intelligent Reflecting Surface）可以为6G无线通信系统实现智能化、可重构的无线传播环境，被认为是解决上述问题极具前景的候选技术之一 [3] 。它是一种由大量低成本的无源反射元件组成的二维薄层人工电磁表面结构，每个元件都能够独立地诱导入射信号的振幅和相位变化，从而协同实现细粒度的三维反射波束赋形。部署IRS可以为机密信息的传输提供额外的通信链路，使其绕过窃听者并到达合法接收机，从而显著提高系统的整体安全性。因此，IRS可以作为提高无线通信物理层安全性的关键使能技术。

近年来，大量研究将IRS与物理层安全技术结合来构建更加安全的无线通信环境。一般来说，物理层安全主要有信息论安全 [4] 和隐蔽通信 [5] 两个研究方向。信息论安全以物理层的信道特征为基础，利用信号处理技术增加合法链路与窃听链路间的容量差，以实现合法用户以任意小的错误概率进行传输，同时窃听者无法获取任何有用信息；隐蔽通信旨在满足合法接收端的隐蔽速率需求的同时，掩盖合法通信链路的存在。基于此，本文从信息理论安全和隐蔽通信两个方向对IRS辅助PLS的现有研究进行了归纳总结，并阐明了各研究热点的模型特点、优化目标和关键方法等。

1 智能反射面简介

1.1 IRS机理

IRS是由人造电磁材料制成的二维超表面，由智能控制器进行数字控制，具有独特的重构信道能力。具体来讲，超表面是由大量元原子组成的平面阵列，其中每个反射元件都能够操纵和改变入射信号的反射振幅和相位转移（相移），从而增强有用信号或抑制干扰信号。因此，IRS具有改变无线网络架构的巨大潜力，特别是当它与大规模多输入多输出（MIMO, Multiple-Input Multiple-Output）、太赫兹通信和人工智能等其他有前途的无线技术集成时，将联合有源和无源组件使其以智能方式协同工作，从而为未来的研究开辟新的方向。

如图1所示，一个典型的IRS体系结构由三层面板和一个智能控制器组成。外层具有大量印刷在电介质衬底上的反射元件；中间层是铜背板，可以抑制入射信号能量泄露，提高反射效率；最后一层是控制电路板，与智能控制器（如现场可编程门阵列）连接。智能控制器可以通过单独的无线链路与基站协调进行信道采集和数据传输，从而控制IRS元件的反射系数，使入射信号以最佳的路径到达合法接收器。

IRS外层的每个反射元件中都含有可调偏置电压的电子器件（如正-本征-负二极管、场效应晶体管或微机电系统开关等）和可变电阻负载。通过预先设计若干个数字化偏置电压，IRS可以决定反射单元对入射信号的相位调整值；通过改变阻值的大小，IRS可以控制反射的幅度为[0～1]之间的某个值。需要注意的是，实际中IRS的可调相位或幅度一般是精度有限的离散值，而非任意可调的连续值。

1.2 6G物理层安全中IRS的应用前景

如图2所示，基站与用户1之间的视距路径由于受到高层建筑的阻碍而经历深衰落。为了提升此类用户的通信质量，传统的无线通信系统通常会加大发送端的传输功率或者使用有源中继将信号再生和重发，这无疑会增大功耗。而IRS只使用无源组件将信号反射来重构视距链路，帮助信号绕过障碍物，它不需要任何发射射频链，也不使用任何主动发射模块（如功率放大器），因此不会消耗额外的能量，降低了能源成本。此外，IRS支持全双工和全波段传输，无任何天线噪声放大和自干扰问题，与传统有源中继相比具有极大的竞争优势。

对于用户2来说，它与窃听者处于同一方向，且后者具有更强的信道，所以传统的波束赋形、定向调制、人工噪声（AN, Artificial Noise）等PLS技术都不能完全保证通信的安全性。而IRS能够智能地调节反射单元的幅值和相移，使反射信号与直射信号在合法用户端正相加强、在窃听端反相消除，因此部署IRS对实现用户2的安全通信有极大的帮助。

此外，IRS通常成本低、重量轻、形状多样、安装灵活、可扩展性强，易于在建筑物、车辆或室内墙壁等表面上部署和拆除，并且它与现有常规无线电技术之间有很好的兼容性，无需对现有设备的硬件和软件进行任何更改便可以将IRS集成到现有网络（如蜂窝或Wi-Fi）中，因此IRS可以密集部署以满足各种不同的应用场景。

基于上述优点，IRS能够以较低的成本提供额外的高质量信道链路，克服无线通信系统中不利的传播条件，所以IRS辅助无线通信在6G时代有广阔的应用前景。

2 IRS辅助物理层安全

2.1 IRS辅助信息论安全

利用IRS来提高物理层的安全性是非常有潜力的，但由于IRS的波形操纵依赖于信道状态信息（CSI, Channel State Information），系统性能在很大程度上取决于窃听者处CSI的可用性和准确性。因此，本文将根据系统中窃听者处CSI的已知程度对有关IRS辅助PLS的研究文献进行分类概述，并简要总结如表1所示。

（1）CSI完全已知：在此情况下，相关的研究通常集中在如何联合优化发送端的波束赋形向量和IRS的相移因子，从而最大化系统的安全速率（SR, Secrecy Rate）。然而，由于原始优化问题是高度非凸的，因此需要根据不同的应用场景采取不同的优化算法。文献[6]考虑一个IRS辅助的多输入单输出（MISO, Multiple-Input Single-Output）单窃听者系统，并基于交替优化（AO, Alternating Optimization）算法最大化系统的可实现SR。针对同一系统模型，文献[7]考虑了一种更具挑战性的应用场景，即合法接收者和窃听者在空间上高度相关，且后者具有更好的信道条件的情况。在非IRS辅助PLS的相关研究中，这种情况下系统可实现的SR会高度受限甚至为零。因此，作者基于IRS辅助可以将反射信号与直射信号在合法用户处正相叠加、在窃听者处反相消除，从而最大化用户的SR。仿真结果表明，与不使用IRS的情况相比，所提方案能显著提高系统的SR。在文献[7]的基础上，文献[8]进一步研究了IRS辅助的多用户多窃听者MISO系统中的最小SR最大化问题，并且同时考虑了连续和离散的IRS相移的约束情况。文献[9]在小规模和大规模IRS两种情况下，分别提出了基于块坐标下降（BCD, Block Coordinate Descent）和最小化最大化（MM, Minorization-Maximization）的优化算法对原始优化问题进行求解。仿真结果表明，MM算法适用于大规模IRS辅助的系统，BCD算法适用于小规模IRS辅助的系统。对于更实际的正交频分复用系统，文献[10]利用MM算法和拉格朗日乘子法最大化系统的SR。

分配额外功率发送AN去迷惑窃听者，是提升无线窃听系统PLS的一种有效手段。文献[11]在多个单天线窃听者存在的MISO窃听系统中，提出了一个新的发送端波束赋形向量、AN协方差矩阵以及IRS相移因子的联合优化问题，并基于AO算法最大化系统的SR，证明了借助于AN依然能进一步提升IRS辅助的无线窃听系统的安全性能。文献[12]将系统扩展到了多用户的场景，研究了每对用户与窃听者的加权和SR最大化问题，它提出的交替方向乘子法、元素块坐标下降法能同时适用于连续和离散的IRS相移约束。除了SR外，发射功率也是常见的优化目标，文献[13]介绍了在合法用户和多个窃听用户的信噪比约束下，利用二阶锥规划算法使发射功率最小化的问题，该算法的复杂性低于半定规划。结果表明，IRS辅助的系统能以更低的功率实现安全传输。

无人机（UAV, Unmanned Aerial Vehicle）依靠其高机动性可以为IRS的部署提供更多自由度，在文献[14]至[16]中IRS装备在UAV上作为无源中继辅助通信。文献[14]研究了一种IRS辅助的MISO通信系统，以实现最大SR为目标对UAV位置和IRS相移因子进行了迭代优化。文献[15]考虑了IRS辅助的多用户上行链路无线通信系统，利用逐次凸逼近（SCA, Successive Convex Approximation）方法联合优化了UAV轨迹、IRS相移因子、用户关联以及发射功率，使得系统的安全能量效率（最小SR与功耗之比）最大化。仿真结果表明，与传统的无IRS方案相比，该方案可以将系统的安全能量效率提高38%。文献[16]考虑了IRS辅助的多窃听者MISO系统，并且将安全中断概率（SOP, Secrecy Outage Probability）作为性能评价指标。首先使用随机几何理论对窃听者的分布进行建模，然后分别在合谋窃听和独立窃听两种情况下推导了合法接收者与窃听者的信噪比统计特征的新表达式，最后通过对比数值分析结果和蒙特卡洛仿真验证了推导结果的正确性，并揭示了IRS反射单元数量和UAV位置对SOP性能的影响。此外，将IRS部署在建筑物表面，UAV作为空中移动基站与地面用户进行通信也是常用的方案。文献[17]基于MISO系统以SR最大化为目标，利用分式规划和SCA算法对UAV位置、发射波束赋形向量及IRS的相移因子进行了联合优化。然而，文献[17]只研究了静态UAV的布局，并没有考虑其三维机动性。文献[18]基于同样的系统模型和优化目标，进一步研究了对UAV的飞行轨迹的优化。文献[19]针对单输入单输出（SISO, Single-Input Single-Output）模型提出一种基于SCA的迭代算法，最大限度地提高了系统的SR。文献[20]在UAV和IRS辅助的毫米波无线系统中，进一步研究了对IRS位置的优化，其中UAV利用AN来对抗窃听者。在UAV的最大发射功率、最小高度和合法接收机最小速率约束条件下，联合优化了UAV、IRS的位置和波束赋形向量。上述所有工作都考虑了单向通信的物理层安全性，文献[21]提出将IRS用于辅助双向无线通信系统。该系统由配备中央处理器的中央节点控制，通过迭代方式调整两个受信任用户的发射功率和IRS的相移因子来最大化系统SR。

（2）CSI部分已知：在这种情况下，通常会选取适当的CSI误差模型来辅助分析，如边界误差模型、统计误差模型等。

1）边界误差模型：文献[22]至[24]将IRS与窃听者之间的信道建模为边界CSI误差模型。基于IRS辅助的多用户MISO系统，文献[22]在窃听者服务质量（QoS, Quality of Service）的限制条件下，利用SDR和SCA最大化多个合法用户的最差SR总和，揭示了分布式IRSs部署相对于单一IRS更有利于系统安全性能的提升。文献[23]首次考虑了带有协作干扰机（CJ, Cooperative Jammer）的IRS辅助的多窃听者MISO网络，并提出了一种基于S-procedure的优化算法来解决不完全CSI情况下的能量效率最大化问题。基于文献[23]中的结果，文献[24]在不知道CJ的发射波束赋形向量的情况下，通过联合设计BS的发射波束赋形向量和IRS的反射波束赋形向量来最大化系统的可实现SR。

2）统计误差模型：文献[25]在多窃听者MISO系统中通过传AN来提高安全性能。在统计级联CSI误差模型下，利用AO、惩罚和SDR的算法，联合优化发射机波束赋形向量、AN协方差矩阵和IRS相移因子，使发射功率最小化。它是第一个在IRS辅助通信中考虑BS-IRS-窃听者的不完全级联信道的工作，与之前考虑不完全IRS-窃听者信道的文献相比更实用。文献[26]考虑了一种IRS辅助的MIMO无线安全通信系统，其中多天线BS利用统计CSI与合法的多天线用户进行通信。为了使遍历SR最大化，作者提出了一种泰勒级数展开法和投影梯度上升法来联合优化BS的发射波赋形向量及IRS相移因子。文献[27]采用了机器学习技术来增强毫米波通信的鲁棒安全数据传输。为了最大限度地提高合法用户总的SR，基于深度确定性策略梯度（DDPG, Deep Deterministic Policy Gradient）框架提出了一种新的、有效的双DDPG深度强化学习算法，以解决由CSI的过时而导致的时间问题及CSI与UAV飞行轨迹的耦合问题。

3）其他误差模型：文献[28]在IRS辅助多用户MISO系统中，将窃听者的CSI建模为基于矩的随机误差模型，即BS不知道误差的准确分布，只知道其一阶和二阶统计量。通过半定松弛（SDR, Semidefinite Relaxation）和惩罚凸凹过程算法交替优化了BS的波束赋形向量及IRS的相位转移因子，从而最大化最差合法用户的信噪比。文献[29]在多窃听者MISO系统中，首次尝试将IRS与后向散射通信相结合。具体而言，IRS有策略地将接收到的保密信号调制为干扰信号，从而降低窃听者的接收性能。基于该模型，作者在完全和不完全CSI（高斯CSI误差模型）的情况下优化IRS的反射系数，使窃听信息量最小化，同时保证合法接收者处通信的可靠性。仿真结果表明，该方案通常优于传统的IRS辅助波束赋形和协同干扰方案。文献[30]开发了一种UAV-IRS系统，该系统利用时分多址协议分别在两个时隙进行上行和下行通信。在窃听信道的CSI不完全已知的情况下，基于确定性CSI误差模型提出了一种基于AO、SCA和S-procedure的算法来优化UAV轨迹、IRS相移因子以及发射功率。

（3）CSI完全未知：当窃听端的CSI完全未知时，无法将SR作为系统的优化目标。此时通常会选择SOP作为系统安全性能的评估指标，通过构建系统模型的统计特性，进而对系统的安全中断性能进行推导和分析 [31-34] 。另一方面，会选择在满足目标用户QoS的情况下，最大化干扰功率来降低窃听者的通信质量 [35-37] 。文献[31]研究了单个窃听者存在情况下的IRS辅助SISO系统，推导了SOP的解析表达式，并通过渐进性分析揭示了IRS的反射单元数量和平均信噪比对系统安全中断性能的影响。针对同一模型，文献[32]进一步考虑了合谋窃听者和离散相移的情况。在不考虑直传链路的情况下，借助Fox’s H转换推导了SOP和平均安全速率的精确解析表达式，并通过渐进性分析量化了由于相位分辨率导致的安全性能的损失。然而，文献[31]和[32]都采用了中心极限定理（CLT, Central Limit Theorem）对级联信道幅度的乘积的统计特性进行了近似，当反射单元数目不够多时，其理论推导结果就不再精确。文献[33]分析了IRS辅助点对点车辆通信系统的保密中断性能。具体来讲，考虑了两种车辆通信场景，即IRS充当中继的车辆对车辆通信场景和IRS充当接收器的车辆对基础设施场景。基于级联信道的幅度乘积服从Gamma分布的假设，推导了在这两种场景下系统SOP的解析表达式，避免了采用CLT，并通过仿真验证了在IRS反射单元数量较小时所得的结果依然准确。文献[34]研究了在多天线窃听者存在的情况下的下行MIMO系统。针对随机位置用户，首先基于随机几何理论推导出了信干噪比的概率密度函数和累积分布函数的精确表达式，随后利用渐进分析得出了系统的SOP、可实现非零安全容量的概率和平均安全容量。文献[35]提出了一种联合波束赋形和干扰的方案，以改善IRS辅助的MISO系统的PLS。具体而言，在满足合法接收者QoS的前提下，以最大化剩余功率来产生AN，从而尽可能干扰窃听者。然而此优化问题显然是非凸的，因此作者分别提出了基于斜流形（OM, Oblique Manifold）和MM的高效优化算法。仿真结果表明，OM算法的性能优于MM算法。文献[36]把文献[35]的模型推广到了下垫式认知无线网络，引入了额外的对主用户的最大干扰功率限制。仿真结果表明，在窃听者的CSI不可用的情况下，所提基于IRS辅助的安全传输方案在大多数情况下可以实现正保密率。文献[37]基于IRS辅助的非正交多址（NOMA, Non-Orthogonal Multiple Access）网络提出了一种基于用户间干扰技术的安全传输方案，目标是通过最大化较弱用户的发射功率和修改串行干扰消除顺序来降低窃听者的信干噪比，从而恶化窃听端信号的接收质量。

2.2 IRS辅助隐蔽通信

隐蔽通信又叫做低检测概率通信，旨在使得非法侦测者（Willie）以足够小的概率检测到隐蔽传输过程的前提下，实现合法收发方之间的无线传输。为防止Willie发现机密信息的传输过程，隐蔽通信技术通过向Willie引入各种不确定性因素，如信道不确定性、背景噪声功率不确定性以及随机化的人工噪声等，使Willie无法准确检测到信息传输情况，以达到隐蔽传输的目的。IRS具有可重构无线传播环境的特性，可以智能地控制其反射单元来重构可能泄露机密信息的不良传播条件。因此，本文将基于不同的实现隐蔽通信的技术手段对有关IRS辅助隐蔽通信的研究文献进行分类概述，并简要总结如表2所示。

在实际的应用场景中，电磁环境相对复杂，不断变化的无线传播环境使得Willie会受到来自多方面的电磁干扰，因此基于Willie对自身的噪声功率不确定性是一种合理且常见的假设。在此情况下，相关的研究通常集中在如何联合优化发射端的功率（或波束赋形向量）和IRS的相移因子，从而最大化系统的隐蔽速率。文献[38]首次将IRS辅助下的隐蔽通信技术进行概述，并表明了在SISO系统中IRS可以提高隐蔽通信性能。然后文献[39]将其扩展到一个更一般的系统设置，即发射机处有单天线和多天线，并研究了无限信道使用假设下的IRS辅助隐蔽通信。在文献[40]中考虑了延迟约束的IRS辅助SISO隐蔽通信，作者表明有限块长度的合并和随机发射功率的使用可以有效地引起Willie的困惑。文献[41]进一步研究了多天线窃听者存在下的MIMO隐蔽通信系统，在Willie最小错误检测概率受限下，以隐蔽速率最大化为目标，提出了一个发射波束赋形向量和IRS的相移因子联合优化的问题。但由于原始问题是非凸的，因此作者基于AO算法把原始问题转化成了一系列凸的子优化问题，并获得了原始问题的最优解。文献[42]重点考虑了Willie不同的CSI可用性对隐蔽性能的影响。对于Willie的CSI完全已知的情况，利用SDR实现了完全隐蔽约束下的隐蔽波束赋形；对于Willie的CSI不完全已知的情况，导出了Willie的最优决策阈值，并分析了虚警概率和漏检概率，然后利用SDR、S-lemma、交替迭代的方法研究了鲁棒波束赋形向量和IRS相移因子的联合优化。但其并没有考虑IRS反射幅度的变化给系统带来的影响，因此文献[43]在SISO系统中利用统计CSI研究了对IRS幅值的优化。作者首先确定了IRS的最优相移，然后基于一维搜索方法来确定最优幅值，结果表明在相位偏移的基础上优化IRS的振幅能够显著提高系统隐蔽性。需要注意的是，上述对IRS辅助隐蔽通信的研究都忽略了对传输概率的优化。文献[44]基于SISO模型，在发射机和IRS到Willie的瞬时CSI未知的情况下，探讨了传输概率的优化问题。作者考虑了Willie能够找到最优检测阈值的情况，推导出了错误检测概率的精确表达式，并证明了在合法接收机处的可实现速率是传输概率的单峰函数。

发送端在Willie处产生随机化AN，使其不确定是信号或者AN导致的接收功率的变化，以达到隐蔽机密信息传输过程的目的。在文献[45]中，合法的全双工接收机通过产生功率变化的干扰信号来迷惑Willie。在Willie处的成功检测概率和合法接收机处的通信中断概率约束下，通过惩罚对偶分解和BCD算法对发射机的主动波束赋形向量及IRS的被动波束赋形向量进行联合优化，使隐蔽速率最大化。此外，还证明了所提出的迭代算法能够适应多天线Willie的情况。文献[46]提出了一种基于太赫兹波段的IRS辅助UAV通信系统。其中，装备IRS的UAV用于可靠的数据传输，另一个空中协作干扰机用于产生功率变化的AN以对抗非法用户的监听。为了在满足隐蔽性的约束条件下提高隐蔽吞吐量，作者提出了一个基于最小平均能量效率的优化问题，并通过块逐次凸逼近方法迭代求解了接入点的功率分配、IRS相移因子以及UAVs的轨迹和速度规划。数值结果验证了所提方案在最小平均能量效率性能方面要明显优于其他现有基准方案。

除了固有噪声功率的不确定性和随机干扰功率等额外的不确定性源，IRS相移的不确定性也可以用来故意地混淆Willie，降低其信号检测性能。文献[47]在NOMA的系统模型下，提出将IRS相移的不确定性和公共用户的非正交传输信号作为掩蔽手段来隐藏信号传输，没有采用额外的不确定性源。首先导出了Willie的最小平均错误检测概率，然后在满足Willie的最小隐蔽性要求和公共用户的QoS要求的前提下，通过联合优化发射功率和IRS反射波束赋形向量来最大化隐蔽用户的可实现速率。

2.3 未来展望

尽管到目前为止对于IRS辅助物理层安全的研究已经逐渐成熟，但是仍存在一些更深入的难题，如IRS的部署、信道估计以及多个IRS的协作等，因此需要研究新理论、新技术来充分发挥IRS技术的潜力，为下一代安全通信提供更多的可能性。

（1）IRS的部署：在具有大量合法用户和窃听者的大规模保密通信网络中，IRS的部署策略会对系统中所有反射信道的构建产生重大影响，因此可能会限制其基本性能。另一方面，从实现的角度来看，IRS的部署还需要考虑部署成本、用户需求、空间约束、传播环境等各种实际因素，所以IRS的部署策略是实现系统安全吞吐量最大化的关键，值得进一步研究。

（2）IRS的信道估计：由于IRS需根据CSI来调控反射波束，因此系统性能在很大程度上取决于CSI的可用性和准确性。然而，因为IRS由大量元素构成，整个通信系统需要估计大量的信道系数，并且IRS的无源特性会导致其发射、接收和处理射频信号的能力非常有限，所以传统的导频辅助信道估计的方法难以奏效。在这种情况下，基于机器学习的新兴技术能够在没有明确反馈的情况下估计信道，值得深入探索。

（3）多个IRS的协作：作为反射元件，IRS能耗低、成本低，但单个IRS的有效覆盖范围较小，故实际应用时需要大量部署，以保证其对系统性能的提升。因此，多个IRS之间如何协同辅助安全传输有望成为未来研究的重点。

3 结束语

新兴的IRS技术为设计和开发未来的无线通信安全提供了广泛的机会。本文首先介绍IRS的基本概念、工作机理以及在6G物理层安全中的应用前景，然后重点描述了IRS辅助PLS的研究现状，并展示了多种场景、系统模型、优化目标和解决方法。事实上，该领域的大多数工作都提出了一个优化问题，通过联合优化发射机处的波束赋形向量和IRS的反射系数来最大化合法用户的SR。最后给出了IRS的未来研究方向，如IRS的部署、信道估计以及多个IRS的协作。

参考文献：（上下滑动浏览）

[1] X You, C Wang, J Huang, et al. Towards 6G Wireless Communication Networks: Vision, Enabling Technologies, and New Paradigm Shifts[J]. Science China (Information Sciences), 2021,64(1): 5-78.

[2] H Wang, X Xia. Enhancing Wireless Secrecy Via Cooperation: Signal Design and Optimization[J]. IEEE Communications Magazine, 2015,53(12): 47-53.

[3] Q Wu, R Zhang. Towards Smart and Reconfigurable Environment: Intelligent Reflecting Surface Aided Wireless Network[J]. IEEE Communications Magazine, 2020,58(1): 106-112.

[4] Y Liang, H V Poor, S Shamai. Information Theoretic Security[J]. Foundations and Trends in Communications and Information Theory, 2009,5: 355-580.

[5] B A Bash, D Goeckel, D Towsley. Limits of Reliable Communication with Low Probability of Detection on AWGN Channels[J]. IEEE Journal on Selected Areas in Communications, 2013,31(9): 1921-1930.

[6] H Shen, W Xu, S Gong, et al. Secrecy Rate Maximization for Intelligent Reflecting Surface Assisted Multi-Antenna Communications[J]. IEEE Communications Letters, 2019,23(9): 1488-1492.

[7] M Cui, G Zhang, R Zhang. Secure Wireless Communication via Intelligent Reflecting Surface[J]. IEEE Wireless Communications Letters, 2019,8(5): 1410-1414.

[9] X Yu, D Xu, R Schober. Enabling Secure Wireless Communications via Intelligent Reflecting Surfaces[C]//2019 IEEE Global Communications Conference (GLOBECOM). 2019: 1-6.

[11] X Guan, Q Wu, R Zhang. Intelligent Reflecting Surface Assisted Secrecy Communication: Is Artificial Noise Helpful or Not?[J]. IEEE Wireless Communications Letters, 2020,9(6): 778-782.

[14] J Fang, Z Yang, N Anjum, et al. Secure Intelligent Reflecting Surface Assisted UAV Communication Networks[C]//2021 IEEE International Conference on Communications Workshops (ICC Workshops). 2021: 1-6.

[15] H Long, M Chen, Z Yang, et al. Joint Trajectory and Passive Beamforming Design for Secure UAV Networks with RIS[C]//2020 IEEE Globecom Workshops (GC Wkshps). 2020: 1-6.

[17] W Wang, H Tian, W Ni, et al. Reconfigurable Intelligent Surface Aided Secure UAV Communications[C]//2021 IEEE 32nd Annual International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC). 2021: 818-823.

[18] X Pang, N Zhao, J Tang, et al. IRS-Assisted Secure UAV Transmission via Joint Trajectory and Beamforming Design[J]. IEEE Transactions on Communications, 2022,70(2): 1140-1152.

[19] S Fang, G Chen, Y Li. Joint Optimization for Secure Intelligent Reflecting Surface Assisted UAV Networks[J]. IEEE Wireless Communications Letters, 2021,10(2): 276-280.

[20] G Sun, X Tao, N Li, et al. Intelligent Reflecting Surface and UAV Assisted Secrecy Communication in Millimeter-Wave Networks[J]. IEEE Transactions on Vehicular Technology, 2021,70(11): 11949-11961.

[21] M Wijewardena, T Samarasinghe, K T Hemachandra, et al. Physical Layer Security for Intelligent Reflecting Surface Assisted Two–Way Communications[J]. IEEE Communications Letters, 2021,25(7): 2156-2160.

[26] J Liu, J Zhang, Q Zhang, et al. Secrecy Rate Analysis for Reconfigurable Intelligent Surface-Assisted MIMO Communications with Statistical CSI[J]. China Communications, 2021,18(3): 52-62.

[27] X Guo, Y Chen, Y Wang. Learning-Based Robust and Secure Transmission for Reconfigurable Intelligent Surface Aided Millimeter Wave UAV Communications[J]. IEEE Wireless Communications Letters, 2021,10(8): 1795-1799.

[29] S Xu, J Liu, Y Cao. Intelligent Reflecting Surface Empowered Physical-Layer Security: Signal Cancellation or Jamming?[J]. IEEE Internet of Things Journal, 2022,9(2): 1265-1275.

[32] I Trigui, W Ajib, W-P Zhu. Secrecy Outage Probability and Average Rate of RIS-Aided Communications Using Quantized Phases[J]. IEEE Communications Letters, 2021,25(6): 1820-1824.

[35] H-M Wang, J Bai, L Dong. Intelligent Reflecting Surfaces Assisted Secure Transmission Without Eavesdropper's CSI[J]. IEEE Signal Processing Letters, 2020,27: 1300-1304.

[37] W Tan, C Zhang, J Peng, et al. Secure Transmission via IUI Engineering for IRS-Assisted NOMA Systems[J]. IEEE Wireless Communications Letters, 2022: 1.

[38] X Lu, E Hossain, T Shafique, et al. Intelligent Reflecting Surface Enabled Covert Communications in Wireless Networks[J]. IEEE Network, 2020,34(5): 148-155.

[40] X Zhou, S Yan, Q Wu, et al. Joint Transmit Power and Reflection Beamforming Design for IRS-Aided Covert Communications[C]//2021 IEEE Global Communications Conference (GLOBECOM). 2021: 1-6.

[41] X Chen, T-X Zheng, L Dong, et al. Enhancing MIMO Covert Communications via Intelligent Reflecting Surface[J]. IEEE Wireless Communications Letters, 2022,11(1): 33-37.

[43] C Wu, S Yan, X. Zhou, et al. Intelligent Reflecting Surface (IRS)-Aided Covert Communication with Warden’s Statistical CSI[J]. IEEE Wireless Communications Letters, 2021,10(7): 1449-1453.

[44] J Kong, F T Dagefus, J Choi, et al. Intelligent Reflecting Surface Assisted Covert Communication with Transmission Probability Optimization[J]. IEEE Wireless Communications Letters, 2021,10(8): 1825-1829.

[46] M T Mamaghani, Y Hong. Aerial Intelligent Reflecting Surface Enabled Terahertz Covert Communications in Beyond-5G Internet of Things[J]. IEEE Internet of Things Journal, 2022.

[47] L Lv, Q Wu, Z Li, et al. Covert Communication in Intelligent Reflecting Surface-Assisted NOMA Systems: Design, Analysis, and Optimization[J]. IEEE Transactions on Wireless Communications, 2022,21(3): 1735-1750.

★扫描 二维码，到知网阅读下载本篇论文

★原文发表于《 移动通信》2022年第6期★

doi:10.3969/j.issn.1006-1010.2022.06.008

中图分类号：TN929.5 文献标志码：A

文章编号：1006-1010(2022)06-0052-08

引用格式：王荣,贾少波,张迪,等. 智能反射面辅助的物理层安全技术综述[J]. 移动通信, 2022,46(6): 52-59.

作者简介

王荣（0000-0002-7180-5610）：郑州大学在读硕士研究生，主要研究方向为物理层安全、隐蔽通信和智能反射面。

张迪：副教授，现任职于郑州大学天地一体智能网联实验室，主要研究方向为B5G/6G物联网通信、抗干扰与安全数据传输和信号处理。

《移动通信》投稿方式为在线投稿

请您登录网页投稿系统

链接地址：http://ydtx.cbpt.cnki.net

【空天地海一体化】2022年第10期专题 征稿

【 蜂窝车联网（C-V2X）】2022年第11期专题征稿

【12月专题征稿】毫米波、太赫兹通信技术

【100篇】《移动通信》2021年1—6期专题论文集合

#扫码关注我们#

《移动通信》

用论文解读通信

《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国科协《高质量科技期刊分级目录》入选期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。返回搜狐，查看更多