論文の概要: Intermittent Jamming against Telemetry and Telecommand of Satellite Systems and A Learning-driven Detection Strategy

• arxiv url: http://arxiv.org/abs/2107.06181v1
• Date: Sat, 10 Jul 2021 17:04:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-15 05:20:03.584941
• Title: Intermittent Jamming against Telemetry and Telecommand of Satellite Systems and A Learning-driven Detection Strategy
• Title（参考訳）: 衛星システムのテレメトリとテレコマンドに対する間欠的妨害と学習駆動検出戦略
• Authors: Selen Gecgel and Gunes Karabulut Kurt
• Abstract要約: 物理層のセキュリティ欠陥は、衛星システムのサイバー物理的性質を考慮して、概念的な枠組みで対処される。 学習駆動型検出方式を提案し,軽量畳み込みニューラルネットワーク(CNN)を設計した。 その結果,提案手法を用いて衛星システムに対する欠陥攻撃を検出することができた。
• 参考スコア（独自算出の注目度）: 1.4620086904601468
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Towards sixth-generation networks (6G), satellite communication systems, especially based on Low Earth Orbit (LEO) networks, become promising due to their unique and comprehensive capabilities. These advantages are accompanied by a variety of challenges such as security vulnerabilities, management of hybrid systems, and high mobility. In this paper, firstly, a security deficiency in the physical layer is addressed with a conceptual framework, considering the cyber-physical nature of the satellite systems, highlighting the potential attacks. Secondly, a learning-driven detection scheme is proposed, and the lightweight convolutional neural network (CNN) is designed. The performance of the designed CNN architecture is compared with a prevalent machine learning algorithm, support vector machine (SVM). The results show that deficiency attacks against the satellite systems can be detected by employing the proposed scheme.
• Abstract（参考訳）: 第6世代ネットワーク (6g) に向けて、衛星通信システム、特に低軌道 (leo) ネットワークは、そのユニークで包括的な能力のために期待されている。 これらのアドバンテージには,セキュリティ脆弱性やハイブリッドシステムの管理,モビリティ向上など,さまざまな課題が伴っている。 本稿では,まず,衛星システムのサイバー物理特性を考慮し,物理層におけるセキュリティの欠如を概念的枠組みで解決し,攻撃の可能性を明らかにする。 次に、学習駆動型検出方式を提案し、軽量畳み込みニューラルネットワーク(CNN)を設計する。 設計したCNNアーキテクチャの性能は、一般的な機械学習アルゴリズムであるサポートベクターマシン(SVM)と比較される。 その結果,提案手法を用いて衛星システムに対する欠陥攻撃を検出することができた。

関連論文リスト

• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• Distributed satellite information networks: Architecture, enabling technologies, and trends [56.747473208256174]
  分散衛星情報ネットワーク(DSIN)は、多様な衛星システム間での情報ギャップを埋める革新的なアーキテクチャとして登場した。 この調査はまず、DSINの革新的なネットワークアーキテクチャに関する深い議論を提供する。 DSINは、ネットワークの不均一性、予測不可能なチャネルダイナミクス、スパースリソース、分散コラボレーションフレームワークといった課題に直面している。
  論文  参考訳（メタデータ） (2024-12-17T06:44:05Z)
• A Sharded Blockchain-Based Secure Federated Learning Framework for LEO Satellite Networks [4.034610694515541]
  低地球軌道(LEO)衛星ネットワークは、宇宙ベースの人工知能(AI)アプリケーションにますます不可欠である。 商業利用が拡大するにつれて、LEO衛星ネットワークはサイバー攻撃のリスクが高まる。 我々は、SBFL-LEOと呼ばれるLEOネットワークのためのシャーディングブロックチェーンベースのフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-09T10:22:52Z)
• A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
  衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。 本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T06:57:45Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)
• Deep learning approach for interruption attacks detection in LEO satellite networks [0.0]
  本研究の目的は、深層学習アルゴリズムを用いた低地球軌道(textsfLEO)衛星ネットワークの割り込み検出戦略を提供することである。 我々は、MLP(Multi Layer Perceptron)、CNN(Convolutional Neural Network)、RNN(Recurrent Neural Network)、Gated Recurrent Units(GRU)など、さまざまなディープラーニングアルゴリズムをテストする。
  論文  参考訳（メタデータ） (2022-12-10T21:21:14Z)
• Artificial Intelligence Techniques for Next-Generation Mega Satellite Networks [37.87439415970645]
  本稿では,地球規模の衛星ネットワーク,特に大規模衛星ネットワーク通信におけるAI技術の適用について紹介する。 巨大な衛星ネットワークのユニークな特徴を詳述し、現在の通信インフラへの統合と相容れない課題を詳述する。 これには、高度にダイナミックなラジオチャンネル、スペクトルセンシングと分類、信号検出と復調、衛星間および衛星アクセスネットワーク最適化、ネットワークセキュリティの予測にAIを適用することが含まれる。
  論文  参考訳（メタデータ） (2022-06-02T13:56:32Z)
• Mixture GAN For Modulation Classification Resiliency Against Adversarial Attacks [55.92475932732775]
  本稿では,GANをベースとした新たな生成逆ネットワーク(Generative Adversarial Network, GAN)を提案する。 GANベースの目的は、DNNベースの分類器に入力する前に、敵の攻撃例を排除することである。 シミュレーションの結果,DNNをベースとしたAMCの精度が約81%に向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-29T22:30:32Z)
• Artificial Intelligence for Satellite Communication: A Review [91.3755431537592]
  この研究は、AI、その多様なサブフィールド、そして最先端のアルゴリズムの概要を提供する。 さまざまな衛星通信分野へのAIの適用は、ビームホッピング、アンチジャミング、ネットワークトラフィック予測、チャネルモデリング、テレメトリマイニング、電離圏シンチレーション検出、干渉管理、リモートセンシング、行動モデリング、スペースエアグラウンド統合、エネルギー管理など、優れた可能性を実証しています。
  論文  参考訳（メタデータ） (2021-01-25T13:01:16Z)
• Hardware Accelerator for Adversarial Attacks on Deep Learning Neural Networks [7.20382137043754]
  強靭な物理的摂動を生成するために, 対向攻撃ネットワークアルゴリズムのクラスが提案されている。 本稿では,メムリスタクロスバーアレーをベースとした敵攻撃用ハードウェアアクセラレータを提案する。
  論文  参考訳（メタデータ） (2020-08-03T21:55:41Z)
• Deep Learning-Based Intrusion Detection System for Advanced Metering Infrastructure [0.0]
  スマートグリッドはさまざまな脅威に晒され、サイバー攻撃に変換される可能性がある。 本稿では,サイバー攻撃防止のためのディープラーニングによる侵入検知システムの開発を行う。
  論文  参考訳（メタデータ） (2019-12-31T21:06:20Z)

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。