論文の概要: Efficient Malicious UAV Detection Using Autoencoder-TSMamba Integration

• arxiv url: http://arxiv.org/abs/2505.10585v1
• Date: Wed, 14 May 2025 15:04:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:13.178061
• Title: Efficient Malicious UAV Detection Using Autoencoder-TSMamba Integration
• Title（参考訳）: オートエンコーダ-TSMamba統合を用いた高効率UAV検出
• Authors: Azim Akhtarshenas, Ramin Toosi, David López-Pérez, Tohid Alizadeh, Alireza Hosseini,
• Abstract要約: 悪性無人航空機(UAV)は次世代ネットワーク(NGN)に重大な脅威をもたらす 本稿では,悪意のあるUAVを検知する統合型(AE)分類器を提案する。
• 参考スコア（独自算出の注目度）: 4.119508697466852
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Malicious Unmanned Aerial Vehicles (UAVs) present a significant threat to next-generation networks (NGNs), posing risks such as unauthorized surveillance, data theft, and the delivery of hazardous materials. This paper proposes an integrated (AE)-classifier system to detect malicious UAVs. The proposed AE, based on a 4-layer Tri-orientated Spatial Mamba (TSMamba) architecture, effectively captures complex spatial relationships crucial for identifying malicious UAV activities. The first phase involves generating residual values through the AE, which are subsequently processed by a ResNet-based classifier. This classifier leverages the residual values to achieve lower complexity and higher accuracy. Our experiments demonstrate significant improvements in both binary and multi-class classification scenarios, achieving up to 99.8 % recall compared to 96.7 % in the benchmark. Additionally, our method reduces computational complexity, making it more suitable for large-scale deployment. These results highlight the robustness and scalability of our approach, offering an effective solution for malicious UAV detection in NGN environments.
• Abstract（参考訳）: 悪質な無人航空機(UAV)は次世代ネットワーク(NGN)に重大な脅威をもたらし、不正な監視、データ盗難、有害物質の提供などのリスクを訴えている。 本稿では,悪意のあるUAVを検知する統合型(AE)分類器を提案する。 提案手法は, 4層型三層空間マンバ(TSMamba)アーキテクチャをベースとして, 悪意のあるUAV活動の特定に不可欠な複雑な空間関係を効果的に捉えている。 第1フェーズでは、AEを通じて残値を生成し、その後ResNetベースの分類器で処理する。 この分類器は残留値を利用して、より低い複雑さと高い精度を達成する。 我々の実験は、ベンチマークの96.7%に比べて、最大99.8%のリコールを達成し、バイナリとマルチクラスの両方の分類シナリオにおいて大幅な改善を示した。 さらに,本手法は計算複雑性を低減し,大規模展開に適した方法である。 これらの結果は我々のアプローチの堅牢性とスケーラビリティを強調し、NGN環境における悪意のあるUAV検出に有効なソリューションを提供する。

関連論文リスト

• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• Structural damage detection via hierarchical damage information with volumetric assessment [1.4470320778878742]
  構造的健康モニタリング(SHM)は、インフラの安全性と寿命を確保するために不可欠である。 本稿では,これらの課題に対処するためのフレームワークであるGuided-DetNetについて紹介する。 Guided-DetNetの特徴は、GAM(Generative Attention Module)、階層的除去アルゴリズム(Hierarchical Elimination Algorithm)、VCVA(Volumetric Contour Visual Assessment)である。
  論文  参考訳（メタデータ） (2024-07-29T04:33:04Z)
• Enhanced Intrusion Detection System for Multiclass Classification in UAV Networks [1.749935196721634]
  本稿では,UAVネットワーク用の新しい侵入検知システム(IDS)を提案する。 クラスラベルのエンコードにはバイナリタプル表現が用いられ、クラス分類にはディープラーニングに基づくアプローチが用いられた。 提案システムは,複雑なクラス関係と時間的ネットワークパターンをキャプチャすることで,侵入検出を強化する。
  論文  参考訳（メタデータ） (2024-06-14T21:29:15Z)
• Investigating Deep Watermark Security: An Adversarial Transferability Perspective [18.363276470822427]
  本研究では, 消毒・改ざん防止対策として, 深層透かしの脆弱性を評価するために, 2つの効果的なトランスファー可能な攻撃手法を提案する。 簡単なサンプル選択(ESS)機構と簡単なサンプルマッチング攻撃(ESMA)手法を提案する。 ESMA法とBEM-ESMA法の両方において,標的移動攻撃の成功率を著しく向上させる実験を行った。
  論文  参考訳（メタデータ） (2024-02-26T08:41:14Z)
• Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
  GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。 異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
  論文  参考訳（メタデータ） (2023-12-18T05:42:31Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Unsupervised User-Based Insider Threat Detection Using Bayesian Gaussian Mixture Models [0.0]
  本稿では,監査データに基づく教師なしインサイダー脅威検出システムを提案する。 提案手法は,ユーザベースモデルを用いて,特定の振る舞いのモデル化とWord2Vecに基づく自動特徴抽出システムを実現する。 その結果,提案手法は最先端手法と競合し,精度が88%,真負率が93%,偽陽性率が6.9%であった。
  論文  参考訳（メタデータ） (2022-11-23T13:45:19Z)
• Generative Adversarial Network-Driven Detection of Adversarial Tasks in Mobile Crowdsensing [5.675436513661266]
  クラウドセンシングシステムは、不特定かつユビキタスなプロパティの上に構築されるため、さまざまな攻撃に対して脆弱である。 以前の研究では、GANベースの攻撃は実験的に設計された攻撃サンプルよりも重大な破壊力を示すことが示唆されている。 本稿では,GANモデルを統合することにより,知的に設計された不正なセンシングサービス要求を検出することを目的とする。
  論文  参考訳（メタデータ） (2022-02-16T00:23:25Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。