論文の概要: Achieving Hiding and Smart Anti-Jamming Communication: A Parallel DRL Approach against Moving Reactive Jammer
- arxiv url: http://arxiv.org/abs/2502.02385v1
- Date: Tue, 04 Feb 2025 15:03:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 14:52:12.592330
- Title: Achieving Hiding and Smart Anti-Jamming Communication: A Parallel DRL Approach against Moving Reactive Jammer
- Title(参考訳): ハイディングとスマートなアンチジャミングコミュニケーションの実現: 動的ジャマーに対する並列DRLアプローチ
- Authors: Yangyang Li, Yuhua Xu, Wen Li, Guoxin Li, Zhibing Feng, Songyi Liu, Jiatao Du, Xinran Li,
- Abstract要約: 反応性ジャマは、送信活動を検出すると、高出力トラッキングジャミングを開始する。
これは、妨害者の検出を避けるために隠蔽を維持し、同時に無差別な妨害を避けるという二重命令である。
現在の方法論は、これらの2つの要件を同時に最適化する複雑さに苦慮している。
- 参考スコア(独自算出の注目度): 11.429298787140992
- License:
- Abstract: This paper addresses the challenge of anti-jamming in moving reactive jamming scenarios. The moving reactive jammer initiates high-power tracking jamming upon detecting any transmission activity, and when unable to detect a signal, resorts to indiscriminate jamming. This presents dual imperatives: maintaining hiding to avoid the jammer's detection and simultaneously evading indiscriminate jamming. Spread spectrum techniques effectively reduce transmitting power to elude detection but fall short in countering indiscriminate jamming. Conversely, changing communication frequencies can help evade indiscriminate jamming but makes the transmission vulnerable to tracking jamming without spread spectrum techniques to remain hidden. Current methodologies struggle with the complexity of simultaneously optimizing these two requirements due to the expansive joint action spaces and the dynamics of moving reactive jammers. To address these challenges, we propose a parallelized deep reinforcement learning (DRL) strategy. The approach includes a parallelized network architecture designed to decompose the action space. A parallel exploration-exploitation selection mechanism replaces the $\varepsilon $-greedy mechanism, accelerating convergence. Simulations demonstrate a nearly 90\% increase in normalized throughput.
- Abstract(参考訳): 本稿では、リアクティブジャミングシナリオの移動におけるアンチジャミングの課題に対処する。
動く反応性ジャマは、送信活動を検出すると高出力トラッキングジャミングを開始し、信号を検出することができなければ、無差別ジャミングに頼る。
これは、妨害者の検出を避けるために隠蔽を維持し、同時に無差別な妨害を避けるという二重命令である。
拡散スペクトル技術は、検出を省くために送信電力を効果的に削減するが、識別不能なジャミングに対抗するには不足する。
逆に、通信周波数の変化は、無差別なジャミングを避けるのに役立ちますが、スペクトルの拡散技術を使わずにジャミングの追跡に弱くなります。
現在の方法論は、拡張的な関節アクション空間と移動する反応性ジャマーのダイナミクスのために、これらの2つの要件を同時に最適化する複雑さに苦慮している。
これらの課題に対処するために,並列化深層強化学習(DRL)戦略を提案する。
このアプローチには、アクション空間を分解するように設計された並列化されたネットワークアーキテクチャが含まれる。
並列探索・探索選択機構は$\varepsilon $-greedy機構を置き換えることで収束を加速する。
シミュレーションでは、正規化スループットが90%近く増加した。
関連論文リスト
- AI Algorithm for Predicting and Optimizing Trajectory of UAV Swarm [4.025253632495535]
本稿では,無人航空機(UAV)の艦隊生成における人工知能(AI)技術の適用について検討する。
2つの主な課題は、UAVの経路を正確に予測し、それらの衝突を効果的に回避することである。
スウェーデンとエリオットのアクティベーションを高度に融合した新しいアクティベーション関数AdaptoSwelliGaussを導入する。
論文 参考訳(メタデータ) (2024-05-20T01:47:28Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳(メタデータ) (2024-05-01T12:03:39Z) - Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。
本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。
呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
論文 参考訳(メタデータ) (2023-05-10T07:05:43Z) - Recurrent Neural Network-based Anti-jamming Framework for Defense
Against Multiple Jamming Policies [77.53658708277409]
本稿では,現在のジャミング攻撃に対処するアンチ・ジャミング法を提案する。
単一および複数のジャマーシナリオにおいて、ユーザとジャマー間の相互作用は、リカレントニューラルネットワーク(RNN)を使用してモデル化される。
論文 参考訳(メタデータ) (2022-08-19T19:12:38Z) - Jamming Pattern Recognition over Multi-Channel Networks: A Deep Learning
Approach [88.72160601701937]
インテリジェント・ジャムマーは、正統ノードによって追跡される確率を最小限に抑えるためにポリシーを変更することができる。
既存のジャミング法は、主に、不変なジャミングポリシーによるジャミング攻撃の軽減に焦点を当てているため、適用できない。
本稿では,ジャミング型認識技術とアンチジャミング手法を併用したジャミング型認識手法を提案する。
論文 参考訳(メタデータ) (2021-12-19T04:29:23Z) - Surveillance Evasion Through Bayesian Reinforcement Learning [78.79938727251594]
ランダム終端の強度が全く不明な2次元連続経路計画問題を考える。
これらのオブザーバーの監視強度は未知であり、反復的な経路計画を通じて学ぶ必要がある。
論文 参考訳(メタデータ) (2021-09-30T02:29:21Z) - Reinforcement Learning for Deceiving Reactive Jammers in Wireless
Networks [76.82565500647323]
投石機を標的チャネルに攻撃させるという考え方に基づいて, 新規な投石防止戦略を提案する。
ジャマーのチャネル情報はユーザには知られていないため、最適なチャネル選択スキームとサブ最適電力割当が提案されている。
シミュレーションの結果,提案手法は,比較したrlベース抗ジャミング法とランダム探索法よりも優れていた。
論文 参考訳(メタデータ) (2021-03-25T18:12:41Z) - Investigating a Spectral Deception Loss Metric for Training Machine
Learning-based Evasion Attacks [1.3750624267664155]
敵の回避攻撃は、幅広い機械学習アプリケーションでパフォーマンスの低下を引き起こすことに成功している。
この研究は、スペクトルの形状を元の信号とよりインラインにするよう強制するために、トレーニングプロセス中に実装できる新しいスペクトル偽装損失指標を導入する。
論文 参考訳(メタデータ) (2020-05-27T02:02:03Z) - Implicit Multiagent Coordination at Unsignalized Intersections via
Multimodal Inference Enabled by Topological Braids [15.024091680310109]
信号のない交差点における合理的な非コミュニケーションエージェント間のナビゲーションに焦点をあてる。
我々はトポロジカルブレイドの形式主義を用いてコンパクトで解釈可能な方法で共同行動のモードを表現する。
我々は,新たなマルチエージェント動作のモードにおける不確実性を低減するための行動を生成する分散計画アルゴリズムを設計する。
論文 参考訳(メタデータ) (2020-04-10T19:01:29Z)
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。