論文の概要: Secure and Robust Communications for Cislunar Space Networks

• arxiv url: http://arxiv.org/abs/2310.09835v1
• Date: Sun, 15 Oct 2023 13:40:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 01:46:02.362661
• Title: Secure and Robust Communications for Cislunar Space Networks
• Title（参考訳）: cislunar宇宙ネットワークのためのセキュアでロバストな通信
• Authors: Selen Gecgel Cetin, Gunes Karabulut Kurt, Angeles Vazquez-Castro
• Abstract要約: シスルナー通信に関連する多くの課題、未知、不確実性がある。 我々は、堅牢でセキュアな通信を可能にする機械学習ベースのシスルナー空間領域認識(SDA)機能を提案する。
• 参考スコア（独自算出の注目度）: 1.583777259400604
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: There is no doubt that the Moon has become the center of interest for commercial and international actors. Over the past decade, the number of planned long-term missions has increased dramatically. This makes the establishment of cislunar space networks (CSNs) crucial to orchestrate uninterrupted communications between the Moon and Earth. However, there are numerous challenges, unknowns, and uncertainties associated with cislunar communications that may pose various risks to lunar missions. In this study, we aim to address these challenges for cislunar communications by proposing a machine learning-based cislunar space domain awareness (SDA) capability that enables robust and secure communications. To this end, we first propose a detailed channel model for selected cislunar scenarios. Secondly, we propose two types of interference that could model anomalies that occur in cislunar space and are so far known only to a limited extent. Finally, we discuss our cislunar SDA to work in conjunction with the spacecraft communication system. Our proposed cislunar SDA, involving heuristic learning capabilities with machine learning algorithms, detects interference models with over 96% accuracy. The results demonstrate the promising performance of our cislunar SDA approach for secure and robust cislunar communication.
• Abstract（参考訳）: 月が商業や国際的な俳優の関心の中心になったことは疑いない。 過去10年間で、計画された長期ミッションの数は劇的に増加した。 これにより、シスルナル宇宙ネットワーク(csns)の確立は、月と地球の間の断続的な通信のオーケストレーションに不可欠である。 しかし、月面ミッションに様々なリスクをもたらす可能性があるシスルナー通信に関連する多くの課題、未知、不確実性がある。 本研究では,cislunar space domain awareness (sda) 機能を提案することにより,cislunar communicationにおけるこれらの課題に対処し,堅牢でセキュアな通信を実現することを目的とする。 そこで我々はまず,選択したシスラナルシナリオに対する詳細なチャネルモデルを提案する。 第2に,シスルナー空間で発生する異常をモデル化できる2種類の干渉法を提案する。 最後に,我々のcislunar sdaについて,宇宙船通信システムと連携して検討する。 機械学習アルゴリズムを用いたヒューリスティック学習機能を備えたシスラナルSDAは,96%以上の精度で干渉モデルを検出する。 その結果、セキュアで堅牢なシスラナル通信のためのシスラナルSDAアプローチが期待できる性能を示した。

関連論文リスト

• 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)
• Tera-SpaceCom: GNN-based Deep Reinforcement Learning for Joint Resource Allocation and Task Offloading in TeraHertz Band Space Networks [11.881917133887102]
  Tera-SpaceComは、様々な宇宙科学および通信アプリケーションを実現するための有望な技術として構想されている。 グラフニューラルネットワーク(GNN)を用いた深層強化学習(DRL)に基づく共同資源割り当てとタスクオフロードアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-09-12T10:26:17Z)
• Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
  隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。 本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。 また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
  論文  参考訳（メタデータ） (2023-12-06T05:36:52Z)
• Spacecraft Autonomous Decision-Planning for Collision Avoidance: a Reinforcement Learning Approach [0.0]
  本研究は、強化学習技術に基づく宇宙船における自律的なCA意思決定機能の実装を提案する。 提案フレームワークは,軌道上の破片の状態を不完全な監視し,正確な衝突回避策(CAM)を実行するためのポリシーをAIシステムが効果的に学習できるようにする。 目的は、CAMを自律的に実施するための意思決定プロセスを、人間の介入なしに宇宙船に委譲することである。
  論文  参考訳（メタデータ） (2023-10-29T10:15:33Z)
• Deep Learning Aided Routing for Space-Air-Ground Integrated Networks Relying on Real Satellite, Flight, and Shipping Data [79.96177511319713]
  現在の海上通信は主に単なる送信資源を持つ衛星に依存しており、現代の地上無線ネットワークよりも性能が劣っている。 大陸横断航空輸送の増加に伴い、商業旅客機に依存した航空アドホックネットワークという有望な概念は、空対地およびマルチホップ空対空リンクを介して衛星ベースの海上通信を強化する可能性がある。 低軌道衛星コンステレーション、旅客機、地上基地局、船舶がそれぞれ宇宙、航空、船舶として機能する、ユビキタスな海上通信を支援するための宇宙地上統合ネットワーク(SAGIN)を提案する。
  論文  参考訳（メタデータ） (2021-10-28T14:12:10Z)
• Quasi-Equivalence Discovery for Zero-Shot Emergent Communication [63.175848843466845]
  ゼロショットコーディネーション(ZSC)を実現するための新しい問題設定と準等価探索アルゴリズムを提案する。 これらの2つの要因が参照ゲームにおいて一意に最適なZSCポリシーをもたらすことを示す。 QEDはこの設定における対称性を反復的に発見することができ、最適なZSCポリシーに収束する。
  論文  参考訳（メタデータ） (2021-03-14T23:42:37Z)
• 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)
• Towards Automated Satellite Conjunction Management with Bayesian Deep Learning [0.0]
  ローアース軌道は、廃棄されたロケット本体、死んだ衛星、および衝突や爆発による何百万もの破片のジャンクヤードです。 速度は28,000km/hで、これらの軌道上の衝突は断片を発生させ、ケスラー症候群として知られるさらなる衝突のカスケードを引き起こす可能性がある。 この問題に対するベイジアン深層学習のアプローチを導入し、時系列の協調データメッセージで動作する繰り返しニューラルネットワークアーキテクチャ(LSTM)を開発します。
  論文  参考訳（メタデータ） (2020-12-23T02:16:54Z)
• Reconfigurable Intelligent Surfaces in Action for Non-Terrestrial Networks [22.345609845425493]
  次世代通信技術は、地球外ネットワークと非地球外ネットワーク(NTN)の連携によって実現される。 構成可能なインテリジェントサーフェス (RIS) を用いて, サイズ, 重量, パワー要件と完全に一致しているという事実から, このコラボレーションを改善し, エスカレートする。 RISが支援する地球外・惑星間通信の包括的枠組みは、課題の特定、ユースケース、オープンな課題によって提示される。
  論文  参考訳（メタデータ） (2020-12-02T05:11:51Z)
• Integrating LEO Satellite and UAV Relaying via Reinforcement Learning for Non-Terrestrial Networks [51.05735925326235]
  低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。 軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。 エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。 本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2020-05-26T05:39:27Z)
• A Spatial-Temporal Attentive Network with Spatial Continuity for Trajectory Prediction [74.00750936752418]
  空間連続性をもつ空間時間減衰ネットワーク(STAN-SC)という新しいモデルを提案する。 まず、最も有用かつ重要な情報を探るために、空間的時間的注意機構を提示する。 第2に、生成軌道の空間的連続性を維持するために、シーケンスと瞬間状態情報に基づく共同特徴系列を実行する。
  論文  参考訳（メタデータ） (2020-03-13T04:35:50Z)

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。