論文の概要: Trusted Routing for Blockchain-Empowered UAV Networks via Multi-Agent Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2508.00938v1
• Date: Thu, 31 Jul 2025 13:00:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 18:25:21.636742
• Title: Trusted Routing for Blockchain-Empowered UAV Networks via Multi-Agent Deep Reinforcement Learning
• Title（参考訳）: マルチエージェント深部強化学習によるブロックチェーン駆動UAVネットワークの信頼ルーティング
• Authors: Ziye Jia, Sijie He, Qiuming Zhu, Wei Wang, Qihui Wu, Zhu Han,
• Abstract要約: UAVネットワークでは、ルーティングは、分散トポロジと高ダイナミックスによる悪意のある損傷に対して脆弱である。 ルーティング問題を定式化して全遅延を最小化するが、これは整数線形計画法であり、解くのに難しかった。 ネットワークセキュリティ問題に対処するため、ブロックチェーンベースの信頼管理機構(BTMM)は、信頼度を動的に評価し、信頼度の低いUAVを特定するように設計されている。
• 参考スコア（独自算出の注目度）: 29.81764349753088
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Due to the high flexibility and versatility, unmanned aerial vehicles (UAVs) are leveraged in various fields including surveillance and disaster rescue.However, in UAV networks, routing is vulnerable to malicious damage due to distributed topologies and high dynamics. Hence, ensuring the routing security of UAV networks is challenging. In this paper, we characterize the routing process in a time-varying UAV network with malicious nodes. Specifically, we formulate the routing problem to minimize the total delay, which is an integer linear programming and intractable to solve. Then, to tackle the network security issue, a blockchain-based trust management mechanism (BTMM) is designed to dynamically evaluate trust values and identify low-trust UAVs. To improve traditional practical Byzantine fault tolerance algorithms in the blockchain, we propose a consensus UAV update mechanism. Besides, considering the local observability, the routing problem is reformulated into a decentralized partially observable Markov decision process. Further, a multi-agent double deep Q-network based routing algorithm is designed to minimize the total delay. Finally, simulations are conducted with attacked UAVs and numerical results show that the delay of the proposed mechanism decreases by 13.39$\%$, 12.74$\%$, and 16.6$\%$ than multi-agent proximal policy optimal algorithms, multi-agent deep Q-network algorithms, and methods without BTMM, respectively.
• Abstract（参考訳）: 高柔軟性と汎用性のため、無人航空機(UAV)は監視や災害救助など様々な分野で活用されているが、UAVネットワークでは、ルーティングは分散トポロジや高ダイナミックスによる悪意のある損傷に対して脆弱である。 したがって、UAVネットワークのルーティングセキュリティを確保することは困難である。 本稿では、悪意のあるノードを持つ時間変化型UAVネットワークにおいて、ルーティングプロセスの特徴付けを行う。 具体的には、整数線形計画法である全遅延を最小限に抑えるためにルーティング問題を定式化する。 そして、ネットワークセキュリティ問題に取り組むために、ブロックチェーンベースの信頼管理メカニズム(BTMM)が設計され、信頼度を動的に評価し、信頼度の低いUAVを特定する。 ブロックチェーンにおける従来の実用的ビザンチンフォールトトレランスアルゴリズムを改善するために,コンセンサスUAV更新機構を提案する。 さらに、局所観測可能性を考慮すると、ルーティング問題は分散化された部分的に観測可能なマルコフ決定プロセスに再構成される。 さらに,マルチエージェントのダブルディープQネットワークに基づくルーティングアルゴリズムを設計し,全体の遅延を最小限に抑える。 最後に, 攻撃されたUAVを用いてシミュレーションを行い, 提案手法の遅延を13.39$\%$, 12.74$\%$, 16.6$\%$により減少させることを示した。

関連論文リスト

• LLM Meets the Sky: Heuristic Multi-Agent Reinforcement Learning for Secure Heterogeneous UAV Networks [57.27815890269697]
  この研究は、エネルギー制約下での不均一なUAVネットワーク(HetUAVN)における機密率の最大化に焦点を当てている。 本稿では,Large Language Model (LLM) を用いたマルチエージェント学習手法を提案する。 その結果,本手法は機密性やエネルギー効率において,既存のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2025-07-23T04:22:57Z)
• CNN+Transformer Based Anomaly Traffic Detection in UAV Networks for Emergency Rescue [12.074051347588963]
  ソフトウェア定義ネットワーク(SDN)フレームワークとブロックチェーン技術に基づく,UAVネットワークのための新しい異常トラフィック検出アーキテクチャを提案する。 畳み込みニューラルネットワーク(CNN)とトランスフォーマー(CNN+Transformer)を組み合わせた,異常なトラフィック検出のための統合アルゴリズムを開発し,CTranATDと呼ぶ。
  論文  参考訳（メタデータ） (2025-03-26T09:27:26Z)
• Cluster-Based Multi-Agent Task Scheduling for Space-Air-Ground Integrated Networks [60.085771314013044]
  低高度経済は、コミュニケーションやセンシングなどの分野で発展する大きな可能性を秘めている。 本稿では,SAGINにおけるマルチUAV協調タスクスケジューリング問題に対処するため,クラスタリングに基づく多エージェントDeep Deterministic Policy Gradient (CMADDPG)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-12-14T06:17:33Z)
• Federated Learning in UAV-Enhanced Networks: Joint Coverage and Convergence Time Optimization [16.265792031520945]
  フェデレートラーニング(FL)には、ローカルデータを転送することなく、共有モデルを協調的にトレーニングする複数のデバイスが含まれる。 FLは通信のオーバーヘッドを減らし、エネルギー資源の少ないUAV強化無線ネットワークにおいて有望な学習方法となる。 この可能性にもかかわらず、UAVに強化されたネットワークにFLを実装することは困難であり、カバー範囲を最大化する従来のUAV配置手法はFL遅延を増大させる。
  論文  参考訳（メタデータ） (2023-08-31T17:50:54Z)
• Routing Recovery for UAV Networks with Deliberate Attacks: A Reinforcement Learning based Approach [23.317947964385613]
  本稿では,攻撃を伴うUAVネットワークの経路計画と復旧について述べる。 ノードの重要性に基づく故意攻撃モデルは、敵攻撃を表すように設計されている。 UAV攻撃時の経路回復のために,強化学習に基づくインテリジェントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-08-14T07:11:55Z)
• Fidelity-Guarantee Entanglement Routing in Quantum Networks [64.49733801962198]
  絡み合いルーティングは、2つの任意のノード間のリモート絡み合い接続を確立する。 量子ネットワークにおける複数のソース・デスティネーション(SD)ペアの忠実性を保証するために、精製可能な絡み合わせルーティング設計を提案する。
  論文  参考訳（メタデータ） (2021-11-15T14:07:22Z)
• Jamming-Resilient Path Planning for Multiple UAVs via Deep Reinforcement Learning [1.2330326247154968]
  無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。 本論文では,複数のセルコネクテッドUAVの衝突のない経路を探索する。 本稿では,オンライン信号対干渉+雑音比マッピングを用いたオフライン時間差学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-04-09T16:52:33Z)
• Learning-Based UAV Trajectory Optimization with Collision Avoidance and Connectivity Constraints [0.0]
  無人航空機(UAV)は無線ネットワークの不可欠な部分であると期待されている。 本稿では,衝突回避と無線接続制約による複数UAV軌道最適化問題を再構成する。 この問題を解決するために,分散型深層強化学習手法を提案する。
  論文  参考訳（メタデータ） (2021-04-03T22:22:20Z)
• Efficient UAV Trajectory-Planning using Economic Reinforcement Learning [65.91405908268662]
  UAV間でタスクを分散するための経済取引に触発された新しい強化学習アルゴリズムであるREPlannerを紹介します。 エージェントが協力し、リソースを競うことができるマルチエージェント経済ゲームとして、パス計画問題を策定します。 UAV協力によるタスク分布の計算を行うため、Swarmサイズの変化に対して非常に耐性が高い。
  論文  参考訳（メタデータ） (2021-03-03T20:54:19Z)
• Multi-Agent Reinforcement Learning in NOMA-aided UAV Networks for Cellular Offloading [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T20:22:05Z)
• NOMA in UAV-aided cellular offloading: A machine learning approach [59.32570888309133]
  複数の無人航空機(UAV)によるセルローディングのための新しい枠組みの提案 非直交多重アクセス(NOMA)技術は、無線ネットワークのスペクトル効率をさらに向上するために、各UAVに採用されている。 相互深いQ-network (MDQN) アルゴリズムは,UAVの最適3次元軌道と電力配分を共同で決定するために提案される。
  論文  参考訳（メタデータ） (2020-10-18T17:38:48Z)

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。