智能反射面輔助的物理層安全技術綜述*

王榮，賈少波**，張迪，蘇昱瑋

（1.鄭州大學電氣與信息工程學院天地一體智能網聯實驗室，河南 鄭州 450001；2.天地一體化信息技術國家重點實驗室，北京 100086）

0 引言

隨著第五代無線通信網絡（5G）的不斷部署和商業化，高可靠低延遲通信、增強型移動寬帶、海量物聯網連接三大需求場景逐步實現。然而，一些創新應用場景需要超高的數據傳輸速率、超高的可靠性和超低的延遲，如虛擬現實、全息通信、設備內通信、高速無線數據中心、高速回程鏈路等，但現有網絡無法滿足這些性能要求[1]，所以學術界和工業界便開始積極展望5G 以外的未來，如第六代移動通信系統（6G）。未來6G 網絡預計將支持海量的用戶連接和指數級增長的無線服務，這使得網絡安全空前重要。但由于無線傳輸的廣播性質，無線鏈路容易受到干擾攻擊和信息泄漏等安全威脅。近年來，物理層安全（PLS,Physical Layer Security）技術由于能夠避免復雜的密鑰交換協議而受到了廣泛的關注[2]。它利用無線信道的固有特性如噪聲、干擾和衰落，來降低惡意用戶的接收信號質量，并通過信號設計和信號處理方法實現無密鑰安全傳輸。然而，當合法用戶和竊聽者具有相關信道時，或者當竊聽者比合法用戶更接近基站時，可實現的安全速率仍然有限。為了解決這個問題，研究一種可控和可編程無線傳播環境的新技術勢在必行。

智能反射面（IRS,Intelligent Reflecting Surface）可以為6G 無線通信系統實現智能化、可重構的無線傳播環境，被認為是解決上述問題極具前景的候選技術之一[3]。它是一種由大量低成本的無源反射元件組成的二維薄層人工電磁表面結構，每個元件都能夠獨立地誘導入射信號的振幅和相位變化，從而協同實現細粒度的三維反射波束賦形。部署IRS 可以為機密信息的傳輸提供額外的通信鏈路，使其繞過竊聽者并到達合法接收機，從而顯著提高系統的整體安全性。因此，IRS 可以作為提高無線通信物理層安全性的關鍵使能技術。

近年來，大量研究將IRS 與物理層安全技術結合來構建更加安全的無線通信環境。一般來說，物理層安全主要有信息論安全[4]和隱蔽通信[5]兩個研究方向。信息論安全以物理層的信道特征為基礎，利用信號處理技術增加合法鏈路與竊聽鏈路間的容量差，以實現合法用戶以任意小的錯誤概率進行傳輸，同時竊聽者無法獲取任何有用信息；隱蔽通信旨在滿足合法接收端的隱蔽速率需求的同時，掩蓋合法通信鏈路的存在。基于此，本文從信息理論安全和隱蔽通信兩個方向對IRS 輔助PLS 的現有研究進行了歸納總結，并闡明了各研究熱點的模型特點、優化目標和關鍵方法等。

1 智能反射面簡介

1.1 IRS機理

IRS 是由人造電磁材料制成的二維超表面，由智能控制器進行數字控制，具有獨特的重構信道能力。具體來講，超表面是由大量元原子組成的平面陣列，其中每個反射元件都能夠操縱和改變入射信號的反射振幅和相位轉移（相移），從而增強有用信號或抑制干擾信號。因此，IRS 具有改變無線網絡架構的巨大潛力，特別是當它與大規模多輸入多輸出（MIMO,Multiple-Input Multiple-Output）、太赫茲通信和人工智能等其他有前途的無線技術集成時，將聯合有源和無源組件使其以智能方式協同工作，從而為未來的研究開辟新的方向。

如圖1 所示，一個典型的IRS 體系結構由三層面板和一個智能控制器組成。外層具有大量印刷在電介質襯底上的反射元件；中間層是銅背板，可以抑制入射信號能量泄露，提高反射效率；最后一層是控制電路板，與智能控制器（如現場可編程門陣列）連接。智能控制器可以通過單獨的無線鏈路與基站協調進行信道采集和數據傳輸，從而控制IRS 元件的反射系數，使入射信號以最佳的路徑到達合法接收器。

圖1 IRS架構示意圖

IRS 外層的每個反射元件中都含有可調偏置電壓的電子器件（如正-本征-負二極管、場效應晶體管或微機電系統開關等）和可變電阻負載。通過預先設計若干個數字化偏置電壓，IRS 可以決定反射單元對入射信號的相位調整值；通過改變阻值的大小，IRS 可以控制反射的幅度為[0～1]之間的某個值。需要注意的是，實際中IRS 的可調相位或幅度一般是精度有限的離散值，而非任意可調的連續值。

1.2 6G物理層安全中IRS的應用前景

如圖2 所示，基站與用戶1 之間的視距路徑由于受到高層建筑的阻礙而經歷深衰落。為了提升此類用戶的通信質量，傳統的無線通信系統通常會加大發送端的傳輸功率或者使用有源中繼將信號再生和重發，這無疑會增大功耗。而IRS 只使用無源組件將信號反射來重構視距鏈路，幫助信號繞過障礙物，它不需要任何發射射頻鏈，也不使用任何主動發射模塊（如功率放大器），因此不會消耗額外的能量，降低了能源成本。此外，IRS 支持全雙工和全波段傳輸，無任何天線噪聲放大和自干擾問題，與傳統有源中繼相比具有極大的競爭優勢。

圖2 IRS輔助無線通信的場景

對于用戶2 來說，它與竊聽者處于同一方向，且后者具有更強的信道，所以傳統的波束賦形、定向調制、人工噪聲（AN,Artificial Noise）等PLS 技術都不能完全保證通信的安全性。而IRS 能夠智能地調節反射單元的幅值和相移，使反射信號與直射信號在合法用戶端正相加強、在竊聽端反相消除，因此部署IRS 對實現用戶2的安全通信有極大的幫助。

此外，IRS 通常成本低、重量輕、形狀多樣、安裝靈活、可擴展性強，易于在建筑物、車輛或室內墻壁等表面上部署和拆除，并且它與現有常規無線電技術之間有很好的兼容性，無需對現有設備的硬件和軟件進行任何更改便可以將IRS 集成到現有網絡（如蜂窩或Wi-Fi）中，因此IRS 可以密集部署以滿足各種不同的應用場景。

基于上述優點，IRS 能夠以較低的成本提供額外的高質量信道鏈路，克服無線通信系統中不利的傳播條件，所以IRS 輔助無線通信在6G 時代有廣闊的應用前景。

2 IRS輔助物理層安全

2.1 IRS輔助信息論安全

利用IRS 來提高物理層的安全性是非常有潛力的，但由于IRS 的波形操縱依賴于信道狀態信息（CSI,Channel State Information），系統性能在很大程度上取決于竊聽者處CSI 的可用性和準確性。因此，本文將根據系統中竊聽者處CSI 的已知程度對有關IRS 輔助PLS的研究文獻進行分類概述，并簡要總結如表1 所示。

表1 IRS輔助信息論安全概述

（1）CSI 完全已知：在此情況下，相關的研究通常集中在如何聯合優化發送端的波束賦形向量和IRS 的相移因子，從而最大化系統的安全速率（SR,Secrecy Rate）。然而，由于原始優化問題是高度非凸的，因此需要根據不同的應用場景采取不同的優化算法。文獻[6]考慮一個IRS 輔助的多輸入單輸出（MISO,Multiple-Input Single-Output）單竊聽者系統，并基于交替優化（AO,Alternating Optimization）算法最大化系統的可實現SR。針對同一系統模型，文獻[7]考慮了一種更具挑戰性的應用場景，即合法接收者和竊聽者在空間上高度相關，且后者具有更好的信道條件的情況。在非IRS 輔助PLS 的相關研究中，這種情況下系統可實現的SR 會高度受限甚至為零。因此，作者基于IRS 輔助可以將反射信號與直射信號在合法用戶處正相疊加、在竊聽者處反相消除，從而最大化用戶的SR。仿真結果表明，與不使用IRS 的情況相比，所提方案能顯著提高系統的SR。在文獻[7]的基礎上，文獻[8]進一步研究了IRS 輔助的多用戶多竊聽者MISO 系統中的最小SR 最大化問題，并且同時考慮了連續和離散的IRS 相移的約束情況。文獻[9]在小規模和大規模IRS 兩種情況下，分別提出了基于塊坐標下降（BCD,Block Coordinate Descent）和最小化最大化（MM,Minorization-Maximization）的優化算法對原始優化問題進行求解。仿真結果表明，MM 算法適用于大規模IRS 輔助的系統，BCD 算法適用于小規模IRS 輔助的系統。對于更實際的正交頻分復用系統，文獻[10]利用MM 算法和拉格朗日乘子法最大化系統的SR。

分配額外功率發送AN 去迷惑竊聽者，是提升無線竊聽系統PLS 的一種有效手段。文獻[11] 在多個單天線竊聽者存在的MISO 竊聽系統中，提出了一個新的發送端波束賦形向量、AN 協方差矩陣以及IRS 相移因子的聯合優化問題，并基于AO 算法最大化系統的SR，證明了借助于AN 依然能進一步提升IRS 輔助的無線竊聽系統的安全性能。文獻[12] 將系統擴展到了多用戶的場景，研究了每對用戶與竊聽者的加權和SR 最大化問題，它提出的交替方向乘子法、元素塊坐標下降法能同時適用于連續和離散的IRS 相移約束。除了SR 外，發射功率也是常見的優化目標，文獻[13] 介紹了在合法用戶和多個竊聽用戶的信噪比約束下，利用二階錐規劃算法使發射功率最小化的問題，該算法的復雜性低于半定規劃。結果表明，IRS 輔助的系統能以更低的功率實現安全傳輸。

無人機（UAV,Unmanned Aerial Vehicle）依靠其高機動性可以為IRS 的部署提供更多自由度，在文獻[14]至[16]中IRS 裝備在UAV 上作為無源中繼輔助通信。文獻[14]研究了一種IRS 輔助的MISO 通信系統，以實現最大SR 為目標對UAV 位置和IRS 相移因子進行了迭代優化。文獻[15]考慮了IRS 輔助的多用戶上行鏈路無線通信系統，利用逐次凸逼近（SCA,Successive Convex Approximation）方法聯合優化了UAV 軌跡、IRS 相移因子、用戶關聯以及發射功率，使得系統的安全能量效率（最小SR 與功耗之比）最大化。仿真結果表明，與傳統的無IRS 方案相比，該方案可以將系統的安全能量效率提高38%。文獻[16]考慮了IRS輔助的多竊聽者MISO 系統，并且將安全中斷概率（SOP,Secrecy Outage Probability）作為性能評價指標。首先使用隨機幾何理論對竊聽者的分布進行建模，然后分別在合謀竊聽和獨立竊聽兩種情況下推導了合法接收者與竊聽者的信噪比統計特征的新表達式，最后通過對比數值分析結果和蒙特卡洛仿真驗證了推導結果的正確性，并揭示了IRS反射單元數量和UAV 位置對SOP 性能的影響。此外，將IRS 部署在建筑物表面，UAV 作為空中移動基站與地面用戶進行通信也是常用的方案。文獻[17]基于MISO 系統以SR 最大化為目標，利用分式規劃和SCA 算法對UAV 位置、發射波束賦形向量及IRS 的相移因子進行了聯合優化。然而，文獻[17]只研究了靜態UAV 的布局，并沒有考慮其三維機動性。文獻[18]基于同樣的系統模型和優化目標，進一步研究了對UAV 的飛行軌跡的優化。文獻[19]針對單輸入單輸出（SISO,Single-Input Single-Output）模型提出一種基于SCA 的迭代算法，最大限度地提高了系統的SR。文獻[20]在UAV 和IRS 輔助的毫米波無線系統中，進一步研究了對IRS 位置的優化，其中UAV 利用AN 來對抗竊聽者。在UAV 的最大發射功率、最小高度和合法接收機最小速率約束條件下，聯合優化了UAV、IRS 的位置和波束賦形向量。上述所有工作都考慮了單向通信的物理層安全性，文獻[21]提出將IRS 用于輔助雙向無線通信系統。該系統由配備中央處理器的中央節點控制，通過迭代方式調整兩個受信任用戶的發射功率和IRS 的相移因子來最大化系統SR。

（2）CSI 部分已知：在這種情況下，通常會選取適當的CSI 誤差模型來輔助分析，如邊界誤差模型、統計誤差模型等。

1）邊界誤差模型：文獻[22]至[24]將IRS 與竊聽者之間的信道建模為邊界CSI 誤差模型。基于IRS 輔助的多用戶MISO 系統，文獻[22]在竊聽者服務質量（QoS,Quality of Service）的限制條件下，利用SDR 和SCA 最大化多個合法用戶的最差SR 總和，揭示了分布式IRSs 部署相對于單一IRS 更有利于系統安全性能的提升。文獻[23]首次考慮了帶有協作干擾機（CJ,Cooperative Jammer）的IRS 輔助的多竊聽者MISO 網絡，并提出了一種基于S-procedure 的優化算法來解決不完全CSI 情況下的能量效率最大化問題。基于文獻[23]中的結果，文獻[24]在不知道CJ 的發射波束賦形向量的情況下，通過聯合設計BS 的發射波束賦形向量和IRS 的反射波束賦形向量來最大化系統的可實現SR。

2）統計誤差模型：文獻[25] 在多竊聽者MISO 系統中通過傳AN 來提高安全性能。在統計級聯CSI 誤差模型下，利用AO、懲罰和SDR 的算法，聯合優化發射機波束賦形向量、AN 協方差矩陣和IRS 相移因子，使發射功率最小化。它是第一個在IRS 輔助通信中考慮BSIRS-竊聽者的不完全級聯信道的工作，與之前考慮不完全IRS-竊聽者信道的文獻相比更實用。文獻[26] 考慮了一種IRS 輔助的MIMO 無線安全通信系統，其中多天線BS 利用統計CSI 與合法的多天線用戶進行通信。為了使遍歷SR 最大化，作者提出了一種泰勒級數展開法和投影梯度上升法來聯合優化BS 的發射波賦形向量及IRS相移因子。文獻[27] 采用了機器學習技術來增強毫米波通信的魯棒安全數據傳輸。為了最大限度地提高合法用戶總的SR，基于深度確定性策略梯度（DDPG,Deep Deterministic Policy Gradient）框架提出了一種新的、有效的雙DDPG 深度強化學習算法，以解決由CSI 的過時而導致的時間問題及CSI 與UAV 飛行軌跡的耦合問題。

3）其他誤差模型：文獻[28]在IRS 輔助多用戶MISO系統中，將竊聽者的CSI 建模為基于矩的隨機誤差模型，即BS 不知道誤差的準確分布，只知道其一階和二階統計量。通過半定松弛（SDR,Semidefinite Relaxation）和懲罰凸凹過程算法交替優化了BS 的波束賦形向量及IRS 的相位轉移因子，從而最大化最差合法用戶的信噪比。文獻[29]在多竊聽者MISO 系統中，首次嘗試將IRS 與后向散射通信相結合。具體而言，IRS 有策略地將接收到的保密信號調制為干擾信號，從而降低竊聽者的接收性能。基于該模型，作者在完全和不完全CSI（高斯CSI 誤差模型）的情況下優化IRS 的反射系數，使竊聽信息量最小化，同時保證合法接收者處通信的可靠性。仿真結果表明，該方案通常優于傳統的IRS 輔助波束賦形和協同干擾方案。文獻[30]開發了一種UAV-IRS 系統，該系統利用時分多址協議分別在兩個時隙進行上行和下行通信。在竊聽信道的CSI 不完全已知的情況下，基于確定性CSI 誤差模型提出了一種基于AO、SCA 和S-procedure 的算法來優化UAV 軌跡、IRS 相移因子以及發射功率。

（3）CSI 完全未知：當竊聽端的CSI 完全未知時，無法將SR 作為系統的優化目標。此時通常會選擇SOP 作為系統安全性能的評估指標，通過構建系統模型的統計特性，進而對系統的安全中斷性能進行推導和分析[31-34]。另一方面，會選擇在滿足目標用戶QoS 的情況下，最大化干擾功率來降低竊聽者的通信質量[35-37]。文獻[31]研究了單個竊聽者存在情況下的IRS 輔助SISO 系統，推導了SOP 的解析表達式，并通過漸進性分析揭示了IRS 的反射單元數量和平均信噪比對系統安全中斷性能的影響。針對同一模型，文獻[32]進一步考慮了合謀竊聽者和離散相移的情況。在不考慮直傳鏈路的情況下，借助Fox’s H 轉換推導了SOP 和平均安全速率的精確解析表達式，并通過漸進性分析量化了由于相位分辨率導致的安全性能的損失。然而，文獻[31]和[32]都采用了中心極限定理（CLT,Central Limit Theorem）對級聯信道幅度的乘積的統計特性進行了近似，當反射單元數目不夠多時，其理論推導結果就不再精確。文獻[33]分析了IRS輔助點對點車輛通信系統的保密中斷性能。具體來講，考慮了兩種車輛通信場景，即IRS 充當中繼的車輛對車輛通信場景和IRS 充當接收器的車輛對基礎設施場景。基于級聯信道的幅度乘積服從Gamma 分布的假設，推導了在這兩種場景下系統SOP 的解析表達式，避免了采用CLT，并通過仿真驗證了在IRS 反射單元數量較小時所得的結果依然準確。文獻[34]研究了在多天線竊聽者存在的情況下的下行MIMO 系統。針對隨機位置用戶，首先基于隨機幾何理論推導出了信干噪比的概率密度函數和累積分布函數的精確表達式，隨后利用漸進分析得出了系統的SOP、可實現非零安全容量的概率和平均安全容量。文獻[35]提出了一種聯合波束賦形和干擾的方案，以改善IRS 輔助的MISO 系統的PLS。具體而言，在滿足合法接收者QoS 的前提下，以最大化剩余功率來產生AN，從而盡可能干擾竊聽者。然而此優化問題顯然是非凸的，因此作者分別提出了基于斜流形（OM,Oblique Manifold）和MM 的高效優化算法。仿真結果表明，OM 算法的性能優于MM 算法。文獻[36]把文獻[35]的模型推廣到了下墊式認知無線網絡，引入了額外的對主用戶的最大干擾功率限制。仿真結果表明，在竊聽者的CSI 不可用的情況下，所提基于IRS 輔助的安全傳輸方案在大多數情況下可以實現正保密率。文獻[37]基于IRS 輔助的非正交多址（NOMA,Non-Orthogonal Multiple Access）網絡提出了一種基于用戶間干擾技術的安全傳輸方案，目標是通過最大化較弱用戶的發射功率和修改串行干擾消除順序來降低竊聽者的信干噪比，從而惡化竊聽端信號的接收質量。

2.2 IRS輔助隱蔽通信

隱蔽通信又叫做低檢測概率通信，旨在使得非法偵測者（Willie）以足夠小的概率檢測到隱蔽傳輸過程的前提下，實現合法收發方之間的無線傳輸。為防止Willie 發現機密信息的傳輸過程，隱蔽通信技術通過向Willie 引入各種不確定性因素，如信道不確定性、背景噪聲功率不確定性以及隨機化的人工噪聲等，使Willie 無法準確檢測到信息傳輸情況，以達到隱蔽傳輸的目的。IRS 具有可重構無線傳播環境的特性，可以智能地控制其反射單元來重構可能泄露機密信息的不良傳播條件。因此，本文將基于不同的實現隱蔽通信的技術手段對有關IRS 輔助隱蔽通信的研究文獻進行分類概述，并簡要總結如表2 所示。

表2 IRS輔助隱蔽通信概述

在實際的應用場景中，電磁環境相對復雜，不斷變化的無線傳播環境使得Willie 會受到來自多方面的電磁干擾，因此基于Willie 對自身的噪聲功率不確定性是一種合理且常見的假設。在此情況下，相關的研究通常集中在如何聯合優化發射端的功率（或波束賦形向量）和IRS 的相移因子，從而最大化系統的隱蔽速率。文獻[38]首次將IRS 輔助下的隱蔽通信技術進行概述，并表明了在SISO 系統中IRS 可以提高隱蔽通信性能。然后文獻[39]將其擴展到一個更一般的系統設置，即發射機處有單天線和多天線，并研究了無限信道使用假設下的IRS 輔助隱蔽通信。在文獻[40]中考慮了延遲約束的IRS 輔助SISO 隱蔽通信，作者表明有限塊長度的合并和隨機發射功率的使用可以有效地引起Willie 的困惑。文獻[41]進一步研究了多天線竊聽者存在下的MIMO 隱蔽通信系統，在Willie 最小錯誤檢測概率受限下，以隱蔽速率最大化為目標，提出了一個發射波束賦形向量和IRS 的相移因子聯合優化的問題。但由于原始問題是非凸的，因此作者基于AO 算法把原始問題轉化成了一系列凸的子優化問題，并獲得了原始問題的最優解。文獻[42]重點考慮了Willie 不同的CSI 可用性對隱蔽性能的影響。對于Willie 的CSI 完全已知的情況，利用SDR 實現了完全隱蔽約束下的隱蔽波束賦形；對于Willie 的CSI 不完全已知的情況，導出了Willie的最優決策閾值，并分析了虛警概率和漏檢概率，然后利用SDR、S-lemma、交替迭代的方法研究了魯棒波束賦形向量和IRS 相移因子的聯合優化。但其并沒有考慮IRS 反射幅度的變化給系統帶來的影響，因此文獻[43]在SISO 系統中利用統計CSI 研究了對IRS 幅值的優化。作者首先確定了IRS的最優相移，然后基于一維搜索方法來確定最優幅值，結果表明在相位偏移的基礎上優化IRS 的振幅能夠顯著提高系統隱蔽性。需要注意的是，上述對IRS 輔助隱蔽通信的研究都忽略了對傳輸概率的優化。文獻[44]基于SISO 模型，在發射機和IRS 到Willie 的瞬時CSI 未知的情況下，探討了傳輸概率的優化問題。作者考慮了Willie 能夠找到最優檢測閾值的情況，推導出了錯誤檢測概率的精確表達式，并證明了在合法接收機處的可實現速率是傳輸概率的單峰函數。

發送端在Willie 處產生隨機化AN，使其不確定是信號或者AN 導致的接收功率的變化，以達到隱蔽機密信息傳輸過程的目的。在文獻[45]中，合法的全雙工接收機通過產生功率變化的干擾信號來迷惑Willie。在Willie 處的成功檢測概率和合法接收機處的通信中斷概率約束下，通過懲罰對偶分解和BCD 算法對發射機的主動波束賦形向量及IRS 的被動波束賦形向量進行聯合優化，使隱蔽速率最大化。此外，還證明了所提出的迭代算法能夠適應多天線Willie 的情況。文獻[46]提出了一種基于太赫茲波段的IRS 輔助UAV 通信系統。其中，裝備IRS 的UAV 用于可靠的數據傳輸，另一個空中協作干擾機用于產生功率變化的AN 以對抗非法用戶的監聽。為了在滿足隱蔽性的約束條件下提高隱蔽吞吐量，作者提出了一個基于最小平均能量效率的優化問題，并通過塊逐次凸逼近方法迭代求解了接入點的功率分配、IRS 相移因子以及UAVs 的軌跡和速度規劃。數值結果驗證了所提方案在最小平均能量效率性能方面要明顯優于其他現有基準方案。

除了固有噪聲功率的不確定性和隨機干擾功率等額外的不確定性源，IRS 相移的不確定性也可以用來故意地混淆Willie，降低其信號檢測性能。文獻[47]在NOMA 的系統模型下，提出將IRS 相移的不確定性和公共用戶的非正交傳輸信號作為掩蔽手段來隱藏信號傳輸，沒有采用額外的不確定性源。首先導出了Willie 的最小平均錯誤檢測概率，然后在滿足Willie 的最小隱蔽性要求和公共用戶的QoS 要求的前提下，通過聯合優化發射功率和IRS 反射波束賦形向量來最大化隱蔽用戶的可實現速率。

2.3 未來展望

盡管到目前為止對于IRS 輔助物理層安全的研究已經逐漸成熟，但是仍存在一些更深入的難題，如IRS 的部署、信道估計以及多個IRS 的協作等，因此需要研究新理論、新技術來充分發揮IRS 技術的潛力，為下一代安全通信提供更多的可能性。

（1）IRS 的部署：在具有大量合法用戶和竊聽者的大規模保密通信網絡中，IRS 的部署策略會對系統中所有反射信道的構建產生重大影響，因此可能會限制其基本性能。另一方面，從實現的角度來看，IRS 的部署還需要考慮部署成本、用戶需求、空間約束、傳播環境等各種實際因素，所以IRS 的部署策略是實現系統安全吞吐量最大化的關鍵，值得進一步研究。

（2）IRS 的信道估計：由于IRS 需根據CSI 來調控反射波束，因此系統性能在很大程度上取決于CSI 的可用性和準確性。然而，因為IRS 由大量元素構成，整個通信系統需要估計大量的信道系數，并且IRS 的無源特性會導致其發射、接收和處理射頻信號的能力非常有限，所以傳統的導頻輔助信道估計的方法難以奏效。在這種情況下，基于機器學習的新興技術能夠在沒有明確反饋的情況下估計信道，值得深入探索。

（3）多個IRS 的協作：作為反射元件，IRS 能耗低、成本低，但單個IRS 的有效覆蓋范圍較小，故實際應用時需要大量部署，以保證其對系統性能的提升。因此，多個IRS 之間如何協同輔助安全傳輸有望成為未來研究的重點。

3 結束語

新興的IRS 技術為設計和開發未來的無線通信安全提供了廣泛的機會。本文首先介紹IRS 的基本概念、工作機理以及在6G 物理層安全中的應用前景，然后重點描述了IRS 輔助PLS 的研究現狀，并展示了多種場景、系統模型、優化目標和解決方法。事實上，該領域的大多數工作都提出了一個優化問題，通過聯合優化發射機處的波束賦形向量和IRS的反射系數來最大化合法用戶的SR。最后給出了IRS 的未來研究方向，如IRS 的部署、信道估計以及多個IRS 的協作。