이 논문은 재구성 가능 지능형 표면(RIS) 요소를 놓고 정당한 수신자와 도청자가 경쟁 입찰하는 상황을 순차 RIS 경매(SRA) 프레임워크로 모델링했다. 매 라운드 RIS 요소 묶음을 1차가격 밀봉입찰 방식으로 경매하는 과정을 마르코프 게임으로 정식화하고, 중앙집중 학습·분산 실행(CTDE) 기반의 다중입찰자 심층결정론적정책경사(MADDPG) 강화학습 기법으로 입찰 전략을 도출했다. 수치 실험 결과, 제안한 RL 기반 전략은 무작위·고정 전략보다 정당한 수신자의 단위 비용당 보안 전송률(secrecy rate)을 더 높였고, 이론적 물리계층 상한에 근접한 성능을 보였다. RIS 자원 배분이 물리계층 보안에 미치는 영향을 경제적 경쟁 관점에서 정량화했다는 점에서 의미가 있다.

• •RIS 요소를 정당한 수신자와 도청자가 경쟁 입찰하는 상황을 순차 RIS 경매(SRA)로 모델링, 마르코프 게임으로 정식화
• •1차가격 밀봉입찰 기반, CTDE 방식 MADDPG 다중입찰자 강화학습으로 입찰 전략 학습
• •RL 기반 전략이 무작위·고정 전략 대비 단위 비용당 보안 전송률(secrecy rate) 최고 성능 달성, 물리계층 이론 상한에 근접