Nous avons le plaisir d’annoncer que notre article, "Trustworthy AI-Driven Dynamic Hybrid RIS: Joint Optimization and Reward Poisoning-Resilient Control in Cognitive MISO Networks,” a été publié dans IEEE Transactions on Network and Service Management (Early Access). [: arxiv ]

Dans ce travail, les auteurs — Dr. Deemah H. Tashman, et Prof. Soumaya Cherkaoui — proposent un cadre adaptatif et écoénergétique de surface intelligente reconfigurable hybride (RIS) pour les réseaux radio cognitifs MISO (multiple-input single-output) en mode underlay. L’approche proposée alterne dynamiquement entre des modes de fonctionnement passif et actif en fonction de l’énergie récupérée, permettant un déploiement efficace et réaliste dans des environnements contraints en énergie.

Afin d’optimiser conjointement le beamforming en transmission et la configuration des phases de la RIS, nous exploitons un algorithme d’apprentissage par renforcement profond de type soft actor-critic (SAC). Ce travail présente notamment la première étude systématique des attaques par empoisonnement de récompense ciblant des agents d’apprentissage par renforcement dans des réseaux radio cognitifs assistés par RIS, et introduit un mécanisme de défense léger et en temps réel assurant un fonctionnement robuste et fiable en présence d’attaques adversariales.

Les résultats démontrent un meilleur compromis débit–consommation énergétique comparativement aux architectures RIS entièrement passives ou entièrement actives, tout en maintenant une résilience face aux manipulations malveillantes des signaux de récompense.