論文の概要: Secure communication between UAVs using a method based on smart agents in unmanned aerial vehicles

• arxiv url: http://arxiv.org/abs/2011.09285v1
• Date: Tue, 3 Nov 2020 10:33:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 06:05:19.842566
• Title: Secure communication between UAVs using a method based on smart agents in unmanned aerial vehicles
• Title（参考訳）: 無人航空機におけるスマートエージェントを用いたuav間のセキュアな通信
• Authors: Maryam Faraji-Biregani and Reza Fotohi
• Abstract要約: 無人航空機(UAV)は、ネットワークインフラを必要とせずに、非常に広い地域を監視できる。 このような通信は、その動的トポロジによってセキュリティ上の問題を引き起こす。 提案手法は、悪意のあるUAV攻撃に対抗するために2つのフェーズを使用する。
• 参考スコア（独自算出の注目度）: 1.2691047660244335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unmanned aerial vehicles (UAVs) can be deployed to monitor very large areas without the need for network infrastructure. UAVs communicate with each other during flight and exchange information with each other. However, such communication poses security challenges due to its dynamic topology. To solve these challenges, the proposed method uses two phases to counter malicious UAV attacks. In the first phase, we applied a number of rules and principles to detect malicious UAVs. In this phase, we try to identify and remove malicious UAVs according to the behavior of UAVs in the network in order to prevent sending fake information to the investigating UAVs. In the second phase, a mobile agent based on a three-step negotiation process is used to eliminate malicious UAVs. In this way, we use mobile agents to inform our normal neighbor UAVs so that they do not listen to the data generated by the malicious UAVs. Therefore, the mobile agent of each UAV uses reliable neighbors through a three-step negotiation process so that they do not listen to the traffic generated by the malicious UAVs. The NS-3 simulator was used to demonstrate the efficiency of the SAUAV method. The proposed method is more efficient than CST-UAS, CS-AVN, HVCR, and BSUM-based methods in detection rate, false positive rate, false negative rate, packet delivery rate, and residual energy.
• Abstract（参考訳）: 無人航空機(UAV)は、ネットワークインフラを必要とせずに、非常に広い地域を監視できる。 UAVは飛行中に互いに通信し、情報を交換する。 しかし、そのような通信は動的トポロジーのためにセキュリティ上の課題を生じさせる。 これらの課題を解決するために,提案手法は2つのフェーズを用いて悪意あるUAV攻撃に対処する。 第1フェーズでは、悪意のあるUAVを検出するために、多くのルールと原則を適用しました。 このフェーズでは,ネットワーク内のUAVの挙動に応じて悪意のあるUAVを識別・削除し,偽情報を調査対象のUAVに送信することを防止する。 第2段階では、3段階交渉プロセスに基づく移動エージェントを用いて悪意のあるUAVを除去する。 このようにして、我々はモバイルエージェントを使用して、通常の隣人のUAVに、悪意のあるUAVが生成したデータに耳を傾けないように通知する。 したがって、各uavの移動エージェントは、3段階の交渉プロセスを通じて信頼できる隣人を利用するので、悪意のあるuavが生み出すトラフィックを聞かない。 NS-3シミュレータはSAUAV法の効率を実証するために使用された。 提案手法は,CST-UAS,CS-AVN,HVCR,BSUMに基づく検出率,偽陽性率,偽陰性率,パケット送出速度,残エネルギーよりも効率的である。

関連論文リスト

• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• Anti-Jamming Path Planning Using GCN for Multi-UAV [0.0]
  UAVスワーミングの有効性は、ジャミング技術によって著しく損なわれる可能性がある。 UAV群集が集団知能を利用してジャム領域を予測する手法が提案されている。 マルチエージェント制御アルゴリズムを使用して、UAVスワムを分散し、ジャミングを回避し、ターゲットに到達すると再グループ化する。
  論文  参考訳（メタデータ） (2024-03-13T07:28:05Z)
• Graph Koopman Autoencoder for Predictive Covert Communication Against UAV Surveillance [29.15836826461713]
  低確率検出(LPD)通信は、無線周波数(RF)信号の存在を曖昧にすることを目的としている。 無人航空機(UAV)は、特定の関心領域をホバリングすることで地上からのRF信号を検出することができる。 本稿では,複数の固定翼UAVの軌跡を予測するために,グラフニューラルネットワーク(GNN)とクープマン理論を組み合わせた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-01-23T23:42:55Z)
• MADRL-based UAVs Trajectory Design with Anti-Collision Mechanism in Vehicular Networks [1.9662978733004604]
  今後6Gネットワークでは、無人航空機(UAV)が移動基地局として機能することが期待される。 最も困難な問題の1つは、複数のUAVのための軌道の設計であり、同じ領域に協調して機能する。 本稿では,これらの問題に対処するためのランクベースのバイナリマスキング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T20:08:32Z)
• UAV Swarm-enabled Collaborative Secure Relay Communications with Time-domain Colluding Eavesdropper [115.56455278813756]
  航空中継機としての無人航空機(UAV)は、インターネットモノ(IoT)ネットワークの補助として事実上魅力的である。 本研究では,UAV基地局と端末端末装置間のセキュアな通信を支援するために,UAVを活用することを目的とする。
  論文  参考訳（メタデータ） (2023-10-03T11:47:01Z)
• Routing Recovery for UAV Networks with Deliberate Attacks: A Reinforcement Learning based Approach [23.317947964385613]
  本稿では,攻撃を伴うUAVネットワークの経路計画と復旧について述べる。 ノードの重要性に基づく故意攻撃モデルは、敵攻撃を表すように設計されている。 UAV攻撃時の経路回復のために,強化学習に基づくインテリジェントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-14T07:11:55Z)
• Evidential Detection and Tracking Collaboration: New Problem, Benchmark and Algorithm for Robust Anti-UAV System [56.51247807483176]
  無人航空機(UAV)は輸送、監視、軍事など多くの地域で広く使われている。 従来は、UAVの先行情報が常に提供されていた追跡問題として、このようなアンチUAVタスクを単純化していた。 本稿では,従来のUAV情報を含まない複雑な場面において,UAVの認識を特徴とする新しい実用的対UAV問題を初めて定式化する。
  論文  参考訳（メタデータ） (2023-06-27T19:30:23Z)
• Deep Reinforcement Learning for Interference Management in UAV-based 3D Networks: Potentials and Challenges [137.47736805685457]
  チャネル情報を知らなくても干渉を効果的に軽減できることを示す。 干渉を利用することにより、提案された解決策は民間UAVの継続的な成長を可能にする。
  論文  参考訳（メタデータ） (2023-05-11T18:06:46Z)
• Attention-based Reinforcement Learning for Real-Time UAV Semantic Communication [53.46235596543596]
  移動地利用者に対する空対地超信頼性・低遅延通信(URLLC)の問題点について検討する。 グラフアテンション交換ネットワーク(GAXNet)を用いたマルチエージェント深層強化学習フレームワークを提案する。 GAXNetは、最先端のベースラインフレームワークと比較して、0.0000001エラー率で6.5倍のレイテンシを実現している。
  論文  参考訳（メタデータ） (2021-05-22T12:43:25Z)
• Anti-UAV: A Large Multi-Modal Benchmark for UAV Tracking [59.06167734555191]
  Unmanned Aerial Vehicle (UAV)は、商業とレクリエーションの両方に多くの応用を提供している。 我々は、UAVを追跡し、位置や軌道などの豊富な情報を提供するという課題を考察する。 300以上のビデオペアが580k以上の手動で注釈付きバウンディングボックスを含むデータセット、Anti-UAVを提案します。
  論文  参考訳（メタデータ） (2021-01-21T07:00:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。