論文の概要: Routing Recovery for UAV Networks with Deliberate Attacks: A
Reinforcement Learning based Approach
- arxiv url: http://arxiv.org/abs/2308.06973v1
- Date: Mon, 14 Aug 2023 07:11:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-15 14:05:36.435686
- Title: Routing Recovery for UAV Networks with Deliberate Attacks: A
Reinforcement Learning based Approach
- Title(参考訳): 熟考的攻撃を伴うUAVネットワークの経路回復:強化学習に基づくアプローチ
- Authors: Sijie He, Ziye Jia, Chao Dong, Wei Wang, Yilu Cao, Yang Yang, and
Qihui Wu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 23.317947964385613
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The unmanned aerial vehicle (UAV) network is popular these years due to its
various applications. In the UAV network, routing is significantly affected by
the distributed network topology, leading to the issue that UAVs are vulnerable
to deliberate damage. Hence, this paper focuses on the routing plan and
recovery for UAV networks with attacks. In detail, a deliberate attack model
based on the importance of nodes is designed to represent enemy attacks. Then,
a node importance ranking mechanism is presented, considering the degree of
nodes and link importance. However, it is intractable to handle the routing
problem by traditional methods for UAV networks, since link connections change
with the UAV availability. Hence, an intelligent algorithm based on
reinforcement learning is proposed to recover the routing path when UAVs are
attacked. Simulations are conducted and numerical results verify the proposed
mechanism performs better than other referred methods.
- Abstract(参考訳): 無人航空機(uav)ネットワークは様々な用途のために近年人気がある。
UAVネットワークでは、ルーティングは分散ネットワークトポロジに大きく影響され、UAVが故意に損傷を受けやすいという問題に繋がる。
そこで本稿では,攻撃を伴うuavネットワークのルーティング計画と復旧について述べる。
詳細は、ノードの重要性に基づく故意攻撃モデルが、敵攻撃を表すように設計されている。
次に、ノードの度合いとリンクの重要度を考慮したノード重要度ランキング機構を示す。
しかし, 従来のUAVネットワーク方式では, リンク接続がUAVの可利用性に応じて変化するため, ルーティングの問題に対処することは困難である。
そこで,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。
シミュレーションを行い,提案手法が他の手法よりも優れた性能を検証した。
関連論文リスト
- UAV Virtual Antenna Array Deployment for Uplink Interference Mitigation in Data Collection Networks [71.23793087286703]
無人航空機(UAV)は、航空無線ネットワークと通信を確立するためのプラットフォームとして注目されている。
本稿では,複数UAVネットワークシステムにおける協調ビームフォーミング(CB)法に基づく新しいアップリンク干渉緩和手法を提案する。
論文 参考訳(メタデータ) (2024-12-09T12:56:50Z) - 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 Attention-based Reinforcement Learning for Trajectory Design and
Resource Assignment in Multi-UAV Assisted Communication [20.79743323142469]
UAV基地局(UAV BS)が未知の環境で軌道設計と資源割り当てを実現することは困難である。
通信ネットワークにおけるUAV BS間の協調と競合はマルコフゲーム問題に繋がる。
本稿では,マルチUAV支援通信問題を解決するために,新しいグラフアテンション型マルチエージェント信頼領域(GA-MATR)強化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-01-31T14:37:06Z) - 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) - Networking of Internet of UAVs: Challenges and Intelligent Approaches [93.94905661009996]
I-UAVネットワークは、QoS(Quality-of-Service)とQoE(Quality-of-Experience)の3つのカテゴリに分類される。
本稿では、これらの課題を詳細に分析し、I-UAVネットワーク問題に取り組むための対応するインテリジェントアプローチについて解説する。
論文 参考訳(メタデータ) (2021-11-13T09:44:43Z) - 3D UAV Trajectory and Data Collection Optimisation via Deep
Reinforcement Learning [75.78929539923749]
無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。
UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である
本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
論文 参考訳(メタデータ) (2021-06-06T14:08:41Z) - Jamming-Resilient Path Planning for Multiple UAVs via Deep Reinforcement
Learning [1.2330326247154968]
無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。
本論文では,複数のセルコネクテッドUAVの衝突のない経路を探索する。
本稿では,オンライン信号対干渉+雑音比マッピングを用いたオフライン時間差学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-04-09T16:52:33Z) - Learning-Based UAV Trajectory Optimization with Collision Avoidance and
Connectivity Constraints [0.0]
無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。
本稿では,衝突回避と無線接続制約による複数UAV軌道最適化問題を再構成する。
この問題を解決するために,分散型深層強化学習手法を提案する。
論文 参考訳(メタデータ) (2021-04-03T22:22:20Z) - Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。
エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。
UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
論文 参考訳(メタデータ) (2021-03-03T20:54:19Z) - 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) - Federated Learning in the Sky: Joint Power Allocation and Scheduling
with UAV Swarms [98.78553146823829]
無人航空機(UAV)は様々なタスクを実行するために機械学習(ML)を利用する必要がある。
本稿では,UAVスワム内に分散学習(FL)アルゴリズムを実装するための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) (2020-02-19T14:04:01Z)
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。