論文の概要: A Convolutional Attention Based Deep Network Solution for UAV Network Attack Recognition over Fading Channels and Interference

• arxiv url: http://arxiv.org/abs/2207.10810v1
• Date: Sat, 16 Jul 2022 22:08:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-31 14:31:06.118908
• Title: A Convolutional Attention Based Deep Network Solution for UAV Network Attack Recognition over Fading Channels and Interference
• Title（参考訳）: フェーディングチャネルと干渉によるUAVネットワーク攻撃認識のための畳み込み注意に基づくディープネットワークソリューション
• Authors: Joseanne Viana, Hamed Farkhari, Luis Miguel Campos, Pedro Sebastiao, Katerina Koutlia, Sandra Lagen, Luis Bernardo, Rui Dinis
• Abstract要約: 本研究は、クラスタ化遅延線(CDL)チャネル上に多重化(OFDM)受信機を備えたUAVの攻撃を検出するためのディープラーニング(DL)アプローチを提供する。 予測アルゴリズムは、訓練中に発生しない攻撃識別に関して一般化可能である。 攻撃認識のタイミング要件に関するより深い調査では、訓練後、攻撃開始後に必要な最低時間は100ミリ秒であることが示されている。
• 参考スコア（独自算出の注目度）: 3.1230069539161405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When users exchange data with Unmanned Aerial vehicles - (UAVs) over air-to-ground (A2G) wireless communication networks, they expose the link to attacks that could increase packet loss and might disrupt connectivity. For example, in emergency deliveries, losing control information (i.e data related to the UAV control communication) might result in accidents that cause UAV destruction and damage to buildings or other elements in a city. To prevent these problems, these issues must be addressed in 5G and 6G scenarios. This research offers a deep learning (DL) approach for detecting attacks in UAVs equipped with orthogonal frequency division multiplexing (OFDM) receivers on Clustered Delay Line (CDL) channels in highly complex scenarios involving authenticated terrestrial users, as well as attackers in unknown locations. We use the two observable parameters available in 5G UAV connections: the Received Signal Strength Indicator (RSSI) and the Signal to Interference plus Noise Ratio (SINR). The prospective algorithm is generalizable regarding attack identification, which does not occur during training. Further, it can identify all the attackers in the environment with 20 terrestrial users. A deeper investigation into the timing requirements for recognizing attacks show that after training, the minimum time necessary after the attack begins is 100 ms, and the minimum attack power is 2 dBm, which is the same power that the authenticated UAV uses. Our algorithm also detects moving attackers from a distance of 500 m.
• Abstract（参考訳）: ユーザーがa2g(air-to-ground)無線通信ネットワーク上で無人航空機(uavs)とデータを交換すると、パケット損失を増加させ接続を妨害する攻撃へのリンクが露呈する。 例えば、緊急配達では、制御情報を失う(すなわち、UAV制御通信に関連するデータ)と、UAVの破壊や都市内の他の要素の損傷を引き起こす事故が発生する可能性がある。 これらの問題を回避するには、5Gと6Gのシナリオで対処する必要がある。 本研究は,クラスタ化遅延線 (CDL) チャネル上の直交周波数分割多重化 (OFDM) 受信機を搭載したUAVの攻撃を,認証された地上ユーザを含む複雑なシナリオで検出するための深層学習 (DL) 手法を提供する。 我々は、受信信号強度指標(RSSI)とSINR(Signal to Interference plus Noise Ratio)という、5G UAV接続で利用可能な2つの観測可能なパラメータを使用する。 予測アルゴリズムは、訓練中に発生しない攻撃識別に関して一般化可能である。 さらに、環境中のすべての攻撃者を20の地球ユーザーで識別することができる。 攻撃認識のタイミング要件に関するより深い調査は、訓練後、攻撃開始後に必要な最小時間は100ms、最小攻撃力は2dBmであり、これは認証されたUAVが使用しているのと同じパワーであることを示している。 また,500mの距離から移動攻撃者を検出するアルゴリズムを開発した。

関連論文リスト

• Federated Learning for Zero-Day Attack Detection in 5G and Beyond V2X Networks [9.86830550255822]
  Connected and Automated Vehicles(CAV)は、5GおよびBeyondネットワーク(5GB)上にあり、セキュリティとプライバシ攻撃のベクトルの増加に対して脆弱である。 本稿では,ネットワークトラフィックパターンのみに依存する攻撃を検知するディープ・オートエンコーダ法を利用した新しい検出機構を提案する。 連合学習を用いて、提案した侵入検知システムは、CAVのプライバシーを維持し、通信オーバーヘッドを最小限に抑えながら、大規模で多様なネットワークトラフィックで訓練することができる。
  論文  参考訳（メタデータ） (2024-07-03T12:42:31Z)
• 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)
• Deep Attention Recognition for Attack Identification in 5G UAV scenarios: Novel Architecture and End-to-End Evaluation [3.3253720226707992]
  5Gフレームワークに固有の堅牢なセキュリティ機能にもかかわらず、攻撃者は依然として5G無人航空機(UAV)の運用を妨害する方法を見つけるだろう。 我々は,認証されたUAVに埋め込まれた小さなディープネットワークに基づく攻撃を識別するためのソリューションとして,Deep Attention Recognition (DAtR)を提案する。
  論文  参考訳（メタデータ） (2023-03-03T17:10:35Z)
• A Synthetic Dataset for 5G UAV Attacks Based on Observable Network Parameters [3.468596481227013]
  本稿では,5G以降のネットワークにおける無人航空機(UAV)攻撃のための最初の合成データセットを提案する。 このデータの主な目的は、UAV通信セキュリティのためのディープネットワーク開発を可能にすることである。 提案したデータセットは、都市環境において、静的または移動中のUAV攻撃者が認証されたUAVをターゲットにする際のネットワーク機能に関する洞察を提供する。
  論文  参考訳（メタデータ） (2022-11-05T15:12:51Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• Illusory Attacks: Information-Theoretic Detectability Matters in Adversarial Attacks [76.35478518372692]
  エプシロン・イリューソリー(epsilon-illusory)は、シーケンシャルな意思決定者に対する敵対的攻撃の新たな形態である。 既存の攻撃と比較して,エプシロン・イリューソリーの自動検出は極めて困難である。 以上の結果から, より優れた異常検知器, 効果的なハードウェアおよびシステムレベルの防御の必要性が示唆された。
  論文  参考訳（メタデータ） (2022-07-20T19:49:09Z)
• Downlink Power Allocation in Massive MIMO via Deep Learning: Adversarial Attacks and Training [62.77129284830945]
  本稿では,無線環境における回帰問題を考察し,敵攻撃がDLベースのアプローチを損なう可能性があることを示す。 また,攻撃に対するDLベースの無線システムの堅牢性が著しく向上することを示す。
  論文  参考訳（メタデータ） (2022-06-14T04:55:11Z)
• Two methods for Jamming Identification in UAVs Networks using New Synthetic Dataset [3.473643536900493]
  本稿では,UAVネットワークにおけるジャマーを識別する2つの手法を提案する。 最初の戦略は、異常検出のための時系列アプローチに基づいている。 2つ目は、新しく設計されたディープネットワークに基づいている。
  論文  参考訳（メタデータ） (2022-03-21T22:32:37Z)
• 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)
• A Comprehensive Overview on 5G-and-Beyond Networks with UAVs: From Communications to Sensing and Intelligence [152.89360859658296]
  5Gネットワークは、拡張モバイルブロードバンド(eMBB)、超信頼性低遅延通信(URLLC)、大規模機械型通信(mMTC)の3つの典型的な利用シナリオをサポートする必要がある。 一方、UAVはコスト効率のよい航空プラットフォームとして利用でき、地上の利用者に高い高度と3D空間での操作性を利用して通信サービスを強化することができる。 一方,UAVと地上ユーザの両方に同時に通信サービスを提供することは,ユビキタスな3D信号網と強力な地上ネットワーク干渉の必要性から,新たな課題を提起する。
  論文  参考訳（メタデータ） (2020-10-19T08:56:04Z)
• Multi-stage Jamming Attacks Detection using Deep Learning Combined with Kernelized Support Vector Machine in 5G Cloud Radio Access Networks [17.2528983535773]
  本研究は5G C-RANにML-IDS(Multi-stage Machine Learning-based Intrusion Detection)を配置することに焦点を当てる。 一定のジャミング、ランダムジャミング、ジャミング、リアクティブジャミングの4種類のジャミング攻撃を検出し、分類することができる。 最終分類精度は94.51%で、偽陰性率は7.84%である。
  論文  参考訳（メタデータ） (2020-04-13T17:21:45Z)

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。