論文の概要: Collision Risk Analysis for LEO Satellites with Confidential Orbital Data

• arxiv url: http://arxiv.org/abs/2501.09397v1
• Date: Thu, 16 Jan 2025 09:08:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-17 15:08:39.551854
• Title: Collision Risk Analysis for LEO Satellites with Confidential Orbital Data
• Title（参考訳）: 信頼軌道データを用いたLEO衛星の衝突リスク解析
• Authors: Svenja Lage, Felicitas Hörmann, Felix Hanke, Michael Karl,
• Abstract要約: 衝突リスク分析は、衛星衝突リスクを軽減するために不可欠である。 この貢献は、完全同型暗号(FHE)に基づく解を提案する。 既存の手法とは対照的に、この手法は衝突リスク分析を他の当事者に開示することなく、感度の高い軌道データ上で行うことができる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The growing number of satellites in low Earth orbit (LEO) has increased concerns about the risk of satellite collisions, which can ultimately result in the irretrievable loss of satellites and a growing amount of space debris. To mitigate this risk, accurate collision risk analysis is essential. However, this requires access to sensitive orbital data, which satellite operators are often unwilling to share due to privacy concerns. This contribution proposes a solution based on fully homomorphic encryption (FHE) and thus enables secure and private collision risk analysis. In contrast to existing methods, this approach ensures that collision risk analysis can be performed on sensitive orbital data without revealing it to other parties. To display the challenges and opportunities of FHE in this context, an implementation of the CKKS scheme is adapted and analyzed for its capacity to satisfy the theoretical requirements of precision and run time.
• Abstract（参考訳）: ローアース軌道(LEO)における衛星の増加は、衛星衝突のリスクを懸念し、最終的には衛星の減少と宇宙デブリの増大につながる可能性がある。 このリスクを軽減するためには、正確な衝突リスク分析が不可欠である。 しかしこれは、衛星オペレーターがプライバシー上の懸念のために共有することを望まない、機密性の高い軌道データにアクセスする必要がある。 このコントリビューションは、完全同型暗号(FHE)に基づくソリューションを提案し、セキュアでプライベートな衝突リスク分析を可能にする。 既存の手法とは対照的に、この手法は衝突リスク分析を他の当事者に開示することなく、感度の高い軌道データ上で行うことができる。 この文脈でFHEの課題と機会を示すため、CKKSスキームの実装を適応し、その能力について解析し、精度と実行時間の理論的要件を満たす。

関連論文リスト

• On-orbit Servicing for Spacecraft Collision Avoidance With Autonomous Decision Making [0.0]
  本研究は、宇宙船衝突回避演習(CAM)を支援するために、AIによるOOSミッションの実装を開発する。 本稿では、RL(Reinforcement Learning)を用いて訓練された自律型サーベイラを提案し、ターゲット衛星と宇宙デブリの衝突を自律的に検出し、絶滅危惧衛星とのランデブーとドッキングを行い、最適なCAMを実行する。
  論文  参考訳（メタデータ） (2024-09-25T17:40:37Z)
• 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)
• Cross-Modality Safety Alignment [73.8765529028288]
  我々は、モダリティ間の安全アライメントを評価するために、セーフインプットとアンセーフアウトプット(SIUO)と呼ばれる新しい安全アライメントの課題を導入する。 この問題を実証的に調査するため,我々はSIUOを作成した。SIUOは,自己修復,違法行為,プライバシー侵害など,9つの重要な安全領域を含むクロスモダリティベンチマークである。 以上の結果から, クローズドおよびオープンソース両方のLVLMの安全性上の重大な脆弱性が明らかとなり, 複雑で現実的なシナリオを確実に解釈し, 応答する上で, 現行モデルが不十分であることが示唆された。
  論文  参考訳（メタデータ） (2024-06-21T16:14:15Z)
• Prioritizing Safeguarding Over Autonomy: Risks of LLM Agents for Science [65.77763092833348]
  大規模言語モデル(LLM)を利用したインテリジェントエージェントは、自律的な実験を行い、様々な分野にわたる科学的発見を促進する上で、大きな可能性を証明している。 彼らの能力は有望だが、これらのエージェントは安全性を慎重に考慮する必要がある新たな脆弱性も導入している。 本稿では,科学領域におけるLSMをベースとしたエージェントの脆弱性の徹底的な調査を行い,その誤用に伴う潜在的なリスクに光を当て,安全性対策の必要性を強調した。
  論文  参考訳（メタデータ） (2024-02-06T18:54:07Z)
• 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)
• Predicting the Probability of Collision of a Satellite with Space Debris: A Bayesian Machine Learning Approach [0.0]
  宇宙は、宇宙活動の増大により、ローアース軌道でさらに混雑している。 定期的な運用の一環として衝突回避を検討する必要性は、衛星運用者にとって明らかである。 現在の手順は、人間アナリストによる多重衝突警告の分析に依存している。
  論文  参考訳（メタデータ） (2023-11-17T16:41:35Z)
• Taking a PEEK into YOLOv5 for Satellite Component Recognition via Entropy-based Visual Explanations [0.0]
  本稿では,小型追尾衛星の自律群集を目標形状決定に活用するための取り組みに貢献する。 本研究は、衛星部品検出訓練対象検出モデル「You Only Look Once v5」(YOLOv5)の軌道上での利用について検討する。
  論文  参考訳（メタデータ） (2023-11-03T04:21:27Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• Spacecraft Collision Risk Assessment with Probabilistic Programming [0.0]
  長さ10cmを超える34,000体以上が地球を周回していることが知られている。 そのうち、活動的な衛星はわずかの割合しかなく、残りの人口は死んだ衛星、ロケット本体、および運用中の宇宙船に衝突の脅威を与える破片でできています。 結合データメッセージを合成生成するための新しい物理ベースの確率的生成モデルを構築する。
  論文  参考訳（メタデータ） (2020-12-18T14:26:08Z)
• Spacecraft Collision Avoidance Challenge: design and results of a machine learning competition [7.278310799048815]
  本稿では,宇宙船衝突回避チャレンジの設計と成果について述べる。 この問題領域に機械学習メソッドを適用する際に学んだ課題と教訓について論じる。
  論文  参考訳（メタデータ） (2020-08-07T10:05:20Z)
• 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)

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。