論文の概要: SkyTrust: Blockchain-Enhanced UAV Security for NTNs with Dynamic Trust and Energy-Aware Consensus
- arxiv url: http://arxiv.org/abs/2508.18735v1
- Date: Tue, 26 Aug 2025 07:08:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-27 17:42:38.715552
- Title: SkyTrust: Blockchain-Enhanced UAV Security for NTNs with Dynamic Trust and Energy-Aware Consensus
- Title（参考訳）: SkyTrust: 動的信頼とエネルギーを意識したNTNのためのブロックチェーンによるUAVセキュリティ
- Authors: Afan Ali, Irfanullah Khan,
- Abstract要約: 無人航空機(UAV)に基づく非地上ネットワーク(NTN)は、その分散と動的性質によりセキュリティ攻撃を受けやすいため、ローグノードに脆弱である。
本稿では,UAVネットワークのセキュリティを高めるため,エネルギー・アウェア・コンセンサス(DTSAM-EAC)を用いた新しい動的トラストスコア調整機構を提案する。
- 参考スコア（独自算出の注目度）: 0.17188280334580194
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Non-Terrestrial Networks (NTNs) based on Unmanned Aerial Vehicles (UAVs) as base stations are extremely susceptible to security attacks due to their distributed and dynamic nature, which makes them vulnerable to rogue nodes. In this paper, a new Dynamic Trust Score Adjustment Mechanism with Energy-Aware Consensus (DTSAM-EAC) is proposed to enhance security in UAV-based NTNs. The proposed framework integrates a permissioned Hyperledger Fabric blockchain with Federated Learning (FL) to support privacy-preserving trust evaluation. Trust ratings are updated continuously through weighted aggregation of past trust, present behavior, and energy contribution, thus making the system adaptive to changing network conditions. An energy-aware consensus mechanism prioritizes UAVs with greater available energy for block validation, ensuring efficient use of resources under resource-constrained environments. FL aggregation with trust-weighting further increases the resilience of the global trust model. Simulation results verify the designed framework achieves 94\% trust score prediction accuracy and 96\% rogue UAV detection rate while outperforming centralized and static baselines of trust-based solutions on privacy, energy efficiency, and reliability. It complies with 6G requirements in terms of distributed intelligence and sustainability and is an energy-efficient and scalable solution to secure NTNs.
- Abstract（参考訳）: 基地局としての無人航空機(UAV)をベースとした非地上ネットワーク(NTN)は、その分散的でダイナミックな性質からセキュリティ攻撃の影響を受けやすいため、ローグノードに脆弱である。
本稿では,UAVベースのNTNの安全性を高めるため,エネルギー・アウェア・コンセンサス(DTSAM-EAC)を用いた新しい動的トラストスコア調整機構を提案する。
提案するフレームワークは、認可されたHyperledger Fabricブロックチェーンとフェデレートラーニング(FL)を統合して、プライバシ保護の信頼性評価をサポートする。
信頼評価は、過去の信頼の重み付け、現在の行動、エネルギー貢献を通じて継続的に更新されるため、システムはネットワーク条件の変更に適応する。
エネルギーを意識したコンセンサス機構は、資源制約環境下での資源の効率的な利用を確保するため、ブロックバリデーションのために利用可能なエネルギーを持つUAVを優先する。
信頼重み付きFLアグリゲーションは、グローバル信頼モデルのレジリエンスをさらに高めます。
シミュレーションの結果, 信頼スコア予測精度94\%, 不正なUAV検出率96\%, 信頼性, エネルギー効率, 信頼性に関する信頼ベースのソリューションの集中的, 静的的ベースラインを上回りながら, 信頼スコア予測精度94\%, 信頼スコア検出率96\%を検証した。
分散インテリジェンスと持続可能性の観点から6G要件に準拠しており、NTNをセキュアにするためのエネルギー効率が高くスケーラブルなソリューションである。
関連論文リスト
- ZTFed-MAS2S: A Zero-Trust Federated Learning Framework with Verifiable Privacy and Trust-Aware Aggregation for Wind Power Data Imputation [8.934430272818048]
風力データは、センサの故障やエッジでの不安定な送信によって、しばしば欠落する値に悩まされる。
ZTFed-MAS2Sは、シーケンス・ツー・シーケンス・インプット・モデルを統合するゼロトラスト・フェデレーション学習フレームワークである。
ZTFed-MAS2Sのフェデレーション学習性能と欠落データ計算における優位性を実世界の風力発電データセットで検証した。
論文 参考訳（メタデータ） (2025-08-24T01:50:58Z) - Careful Whisper: Attestation for peer-to-peer Confidential Computing networks [4.502223155420236]
TEEは、自動運転車の車載アドホックネットワークのようなピアツーピアネットワークにおけるセキュアなデータ処理と共有を可能にする。
すべてのTEEが直接他のTEEに attest する、単純でピアツーピアな検証アプローチは、二次的な通信オーバーヘッドをもたらす。
本稿では,ゴシップベースのプロトコルであるCareful Whisperを提案する。
論文 参考訳（メタデータ） (2025-07-20T02:57:34Z) - Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。
ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
論文 参考訳（メタデータ） (2025-05-26T06:44:31Z) - Zero-Trust Mobility-Aware Authentication Framework for Secure Vehicular Fog Computing Networks [0.0]
本稿では,VFCネットワークにおけるセキュア通信のためのZTMAF(Zero-Trust Mobility-Aware Authentication Framework)を提案する。
このフレームワークは、軽量な暗号プリミティブによるコンテキスト認識認証、分散信頼評価システム、およびフォグノード支援セッションバリデーションを使用して、偽造、リプレイ、偽造攻撃と戦う。
論文 参考訳（メタデータ） (2025-05-21T17:03:39Z) - GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。
以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
論文 参考訳（メタデータ） (2024-05-20T14:43:46Z) - Securing Federated Learning with Control-Flow Attestation: A Novel Framework for Enhanced Integrity and Resilience against Adversarial Attacks [2.28438857884398]
分散機械学習パラダイムとしてのフェデレートラーニング(FL)は、新たなサイバーセキュリティ課題を導入した。
本研究では,従来サイバーセキュリティに用いられてきた制御フロー(CFA)機構にインスパイアされた,革新的なセキュリティフレームワークを提案する。
我々は、ネットワーク全体にわたるモデル更新の完全性を認証し、検証し、モデル中毒や敵対的干渉に関連するリスクを効果的に軽減する。
論文 参考訳（メタデータ） (2024-03-15T04:03:34Z) - A Zero Trust Framework for Realization and Defense Against Generative AI
Attacks in Power Grid [62.91192307098067]
本稿では電力グリッドサプライチェーン(PGSC)のための新しいゼロ信頼フレームワークを提案する。
潜在的なGenAIによる攻撃ベクターの早期発見、テールリスクに基づく安定性の評価、そしてそのような脅威の緩和を容易にする。
実験の結果,ゼロ信頼フレームワークは攻撃ベクトル生成に95.7%の精度,95%安定PGSCに9.61%のリスク尺度,GenAIによる攻撃に対する防御に99%の信頼性が得られた。
論文 参考訳（メタデータ） (2024-03-11T02:47:21Z) - Reliable Federated Disentangling Network for Non-IID Domain Feature [62.73267904147804]
本稿では、RFedDisと呼ばれる新しい信頼性のあるフェデレーション・ディエンタングリング・ネットワークを提案する。
我々の知る限り、提案するRFedDisは、明らかな不確実性と特徴の混在に基づくFLアプローチを開発する最初の試みである。
提案するRFedDisは,他の最先端FL手法と比較して信頼性の高い優れた性能を提供する。
論文 参考訳（メタデータ） (2023-01-30T11:46:34Z)
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。