論文の概要: UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper
- arxiv url: http://arxiv.org/abs/2310.01980v1
- Date: Tue, 3 Oct 2023 11:47:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-04 14:40:52.239938
- Title: UAV Swarm-enabled Collaborative Secure Relay Communications with
Time-domain Colluding Eavesdropper
- Title(参考訳): 時間領域コルーディングeavesdropperを用いたuav swarmによる協調型セキュアリレー通信
- Authors: Chuang Zhang, Geng Sun, Qingqing Wu, Jiahui Li, Shuang Liang, Dusit
Niyato and Victor C.M. Leung
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 115.56455278813756
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unmanned aerial vehicles (UAVs) as aerial relays are practically appealing
for assisting Internet of Things (IoT) network. In this work, we aim to utilize
the UAV swarm to assist the secure communication between the micro base station
(MBS) equipped with the planar array antenna (PAA) and the IoT terminal devices
by collaborative beamforming (CB), so as to counteract the effects of collusive
eavesdropping attacks in time-domain. Specifically, we formulate a UAV
swarm-enabled secure relay multi-objective optimization problem (US2RMOP) for
simultaneously maximizing the achievable sum rate of associated IoT terminal
devices, minimizing the achievable sum rate of the eavesdropper and minimizing
the energy consumption of UAV swarm, by jointly optimizing the excitation
current weights of both MBS and UAV swarm, the selection of the UAV receiver,
the position of UAVs and user association order of IoT terminal devices.
Furthermore, the formulated US2RMOP is proved to be a non-convex, NP-hard and
large-scale optimization problem. Therefore, we propose an improved
multi-objective grasshopper algorithm (IMOGOA) with some specific designs to
address the problem. Simulation results exhibit the effectiveness of the
proposed UAV swarm-enabled collaborative secure relay strategy and demonstrate
the superiority of IMOGOA.
- Abstract(参考訳): 航空中継機としての無人航空機(UAV)は、モノのインターネット(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,平面アレイアンテナ (PAA) を搭載したマイクロ基地局 (MBS) とIoT端末装置との通信を協調ビームフォーミング (CB) により支援し, 時間領域における盗聴攻撃の防止を目的とした。
具体的には、UAVSとUAVSwarmの励磁電流重量、UAV受信機の選択、UAVの位置、IoT端末装置のユーザ関連順序を共同で最適化することにより、関連するIoT端末装置の達成可能な総和率を同時に最大化し、盗聴器の達成可能な総和率を最小化し、UAVSwarmのエネルギー消費を最小化するUAV Swarm対応セキュアなマルチオブジェクト最適化問題(US2RMOP)を定式化する。
さらに,us2rmopは非凸,npハード,大規模最適化問題であることが証明された。
そこで本研究では,改良型多目的草刈りアルゴリズム (IMOGOA) を提案する。
シミュレーション結果は,提案するuav swarm対応協調型セキュアリレー戦略の有効性を示し,imogoaの優位性を示す。
関連論文リスト
- Movable Antenna-Equipped UAV for Data Collection in Backscatter Sensor Networks: A Deep Reinforcement Learning-based Approach [10.115361454176773]
無人航空機(UAV)は遠隔後方散乱装置(BD)からの柔軟なデータ収集を可能にする
指向性と柔軟性の高い指向性移動アンテナ(MA)をUAVに搭載することを検討する。
我々は,UAVと各BD間の方位角と距離を用いた深部強化学習(DRL)に基づく戦略を開発し,エージェントの観測空間を簡素化する。
論文 参考訳(メタデータ) (2024-11-21T09:34:48Z) - 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) - Multi-Objective Optimization for UAV Swarm-Assisted IoT with Virtual
Antenna Arrays [55.736718475856726]
無人航空機(UAV)ネットワークはIoT(Internet-of-Things)を支援するための有望な技術である
既存のUAV支援データ収集および普及スキームでは、UAVはIoTとアクセスポイントの間を頻繁に飛行する必要がある。
協調ビームフォーミングをIoTとUAVに同時に導入し、エネルギーと時間効率のデータ収集と普及を実現した。
論文 参考訳(メタデータ) (2023-08-03T02:49:50Z) - Energy-Efficient Cellular-Connected UAV Swarm Control Optimization [25.299881367750487]
セル接続型UAVSwarmネットワークにおける2相指令制御(C&C)伝送方式を提案する。
制約付きマルコフ決定過程として問題を定式化し、最適方針を求める。
我々のアルゴリズムは、エネルギー制約下で共通C&Cを受信するUAVの数を最大化することができる。
論文 参考訳(メタデータ) (2023-03-18T11:42:04Z) - Optimization for Master-UAV-powered Auxiliary-Aerial-IRS-assisted IoT
Networks: An Option-based Multi-agent Hierarchical Deep Reinforcement
Learning Approach [56.84948632954274]
本稿では,無人航空機(MUAV)搭載のIoT(Internet of Things)ネットワークについて検討する。
本稿では、インテリジェント反射面(IRS)を備えた充電可能な補助UAV(AUAV)を用いて、MUAVからの通信信号を強化することを提案する。
提案モデルでは,IoTネットワークの蓄積スループットを最大化するために,これらのエネルギー制限されたUAVの最適協調戦略について検討する。
論文 参考訳(メタデータ) (2021-12-20T15:45:28Z) - Multi-Agent Deep Reinforcement Learning For Optimising Energy Efficiency
of Fixed-Wing UAV Cellular Access Points [3.502112118170715]
固定翼UAVセルアクセスポイントのエネルギー効率を最適化する多エージェント深部強化学習手法を提案する。
提案手法では,UAVの3次元軌道を一連の時間経過で調整できるDueling Deep Q-Network (DDQN) エージェントを備える。
論文 参考訳(メタデータ) (2021-11-03T14:49:17Z) - RIS-assisted UAV Communications for IoT with Wireless Power Transfer
Using Deep Reinforcement Learning [75.677197535939]
無人航空機(UAV)通信をサポートするIoTデバイスのための同時無線電力伝送と情報伝送方式を提案する。
第1フェーズでは、IoTデバイスが無線電力転送を通じてUAVからエネルギーを回収し、第2フェーズでは、UAVが情報伝送を通じてIoTデバイスからデータを収集する。
マルコフ決定過程を定式化し、ネットワーク総和率を最大化する最適化問題を解くために、2つの深い強化学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-08-05T23:55:44Z) - 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)
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。