論文の概要: A Multi-Layer Electronic and Cyber Interference Model for AI-Driven Cruise Missiles: The Case of Khuzestan Province

• arxiv url: http://arxiv.org/abs/2510.03542v1
• Date: Fri, 03 Oct 2025 22:24:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.102404
• Title: A Multi-Layer Electronic and Cyber Interference Model for AI-Driven Cruise Missiles: The Case of Khuzestan Province
• Title（参考訳）: AI駆動型クルーズミサイルの多層電子・サイバー干渉モデル--クゼスタン州を事例として
• Authors: Pouriya Alimoradi, Ali Barati, Hamid Barati,
• Abstract要約: 本稿では,AI誘導巡航ミサイルの性能を著しく低下させるため,電子戦,サイバー攻撃,詐欺戦略を含む多層干渉モデルを提案する。 実験の結果,400個のシミュレーションが4つのシナリオにまたがって実行され,統合された多層アプローチを用いた場合の顕著な改善が示された。 提案フレームワークは、深層強化学習に基づく防衛コーディネータを用いて、EW、サイバー、詐欺の最適設定をリアルタイムで適応的に選択する。
• 参考スコア（独自算出の注目度）: 1.5803208833562954
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid advancement of Artificial Intelligence has enabled the development of cruise missiles endowed with high levels of autonomy, adaptability, and precision. These AI driven missiles integrating deep learning algorithms, real time data processing, and advanced guidance systems pose critical threats to strategic infrastructures, especially under complex geographic and climatic conditions such as those found in Irans Khuzestan Province. In this paper, we propose a multi layer interference model, encompassing electronic warfare, cyberattacks, and deception strategies, to degrade the performance of AI guided cruise missiles significantly. Our experimental results, derived from 400 simulation runs across four distinct scenarios, demonstrate notable improvements when employing the integrated multi layer approach compared to single layer or no interference baselines. Specifically, the average missile deviation from its intended target increases from 0.25 to 8.65 under multi layer interference a more than 3300 increase in angular deviation. Furthermore, the target acquisition success rate is reduced from 92.7 in the baseline scenario to 31.5, indicating a 66 decrease in successful strikes. While resource consumption for multi layer strategies rises by approximately 25 compared to single layer methods, the significant drop in missile accuracy and reliability justifies the more intensive deployment of jamming power, cyber resources, and decoy measures. Beyond these quantitative improvements, the proposed framework uses a deep reinforcement learning based defense coordinator to adaptively select the optimal configuration of EW, cyber, and deception tactics in real time.
• Abstract（参考訳）: 人工知能の急速な進歩により、高度の自律性、適応性、精度を備えた巡航ミサイルの開発が可能となった。 これらのAI駆動ミサイルは、深層学習アルゴリズム、リアルタイムデータ処理、高度誘導システムを統合し、特にイランのクゼスタン州で見られるような複雑な地理的・気候条件下で、戦略的インフラに重大な脅威をもたらす。 本稿では,AI誘導巡航ミサイルの性能を著しく低下させるため,電子戦,サイバー攻撃,偽装戦略を含む多層干渉モデルを提案する。 実験の結果,400個のシミュレーションが4つのシナリオにまたがって実行され,単一層や干渉ベースラインに比較して,統合された多層アプローチを用いた場合の顕著な改善が示された。 具体的には、目的とする目標からの平均ミサイル偏差は、多層干渉下で0.25から8.65に増加し、角偏差は3300以上増加した。 さらに、ベースラインシナリオにおける目標獲得成功率を92.7から31.5に下げ、66回のストライク成功率の低下を示す。 多層戦略の資源消費は、単層方式と比較して約25倍に増加するが、ミサイルの精度と信頼性の大幅な低下は、妨害力、サイバーリソース、デコイ対策のより集中的な展開を正当化する。 これらの量的改善に加えて、提案フレームワークは、深層強化学習に基づく防御コーディネータを使用して、EW、サイバー、詐欺の最適設定をリアルタイムで適応的に選択する。

関連論文リスト

• Reinforcement Learning for Decision-Level Interception Prioritization in Drone Swarm Defense [51.736723807086385]
  本稿では,この課題に対処する上で,強化学習の実践的メリットを示すケーススタディを提案する。 本研究では,現実的な運用制約を捉えた高忠実度シミュレーション環境を提案する。 エージェントは最適なインターセプション優先順位付けのために複数のエフェクターを調整することを学ぶ。 我々は、何百ものシミュレートされた攻撃シナリオにおいて、手作りルールベースのベースラインに対する学習ポリシーを評価する。
  論文  参考訳（メタデータ） (2025-08-01T13:55:39Z)
• Strategic Counterfactual Modeling of Deep-Target Airstrike Systems via Intervention-Aware Spatio-Causal Graph Networks [3.5516803380598074]
  本研究では,現在の戦略レベルシミュレーションにおいて,戦術的ストライキ行動と戦略的遅延の間の構造的因果モデリングが欠如していることに対処する。 Invention-Aware Spatio-Temporal Graph Neural Network (IA-STGNN) を提案する。
  論文  参考訳（メタデータ） (2025-06-30T04:26:10Z)
• From Static to Adaptive Defense: Federated Multi-Agent Deep Reinforcement Learning-Driven Moving Target Defense Against DoS Attacks in UAV Swarm Networks [23.908450903174725]
  UAV群における能動的DoS緩和のための新しい枠組みを提案する。 我々は、リーダースイッチング、ルート突然変異、周波数ホッピングを含む軽量かつ協調的なMTD機構を設計する。 我々のアプローチは最先端のベースラインを大きく上回っている。
  論文  参考訳（メタデータ） (2025-06-09T03:33:04Z)
• Advanced long-term earth system forecasting by learning the small-scale nature [74.19833913539053]
  私たちは、この根本的な課題に対処するために設計されたAIフレームワークであるTritonを紹介します。 数値モデルにおける小さなスケールを明示的に解決するグリッドの増加に触発されたTritonは、スペクトルバイアスを軽減するために、複数の解像度にわたって階層的なアーキテクチャ処理情報を使用する。 我々は,トライトンによる挑戦的な予測課題における優れた性能,安定な1年間の世界気温予測,120日間の熟練した黒潮渦予測,高忠実乱流シミュレーションを実証した。
  論文  参考訳（メタデータ） (2025-05-26T02:49:00Z)
• Advanced Prediction of Hypersonic Missile Trajectories with CNN-LSTM-GRU Architectures [0.0]
  本稿では,畳み込みニューラルネットワーク(CNN),Long Short-Term Memory(LSTM)ネットワーク,Gated Recurrent Units(GRU)を統合した新しいハイブリッドディープラーニング手法を提案する。 これらのアーキテクチャの強みを活用することにより、提案手法は高音速ミサイルの複雑な軌道を高精度に予測することに成功した。 本研究は、防衛システムの予測能力を高めるための高度な機械学習技術の可能性を実証する。
  論文  参考訳（メタデータ） (2025-03-20T19:31:41Z)
• 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)
• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• FaultGuard: A Generative Approach to Resilient Fault Prediction in Smart Electrical Grids [53.2306792009435]
  FaultGuardは、障害タイプとゾーン分類のための最初のフレームワークであり、敵攻撃に耐性がある。 本稿では,ロバスト性を高めるために,低複雑性故障予測モデルとオンライン逆行訓練手法を提案する。 本モデルでは,耐故障予測ベンチマークの最先端を最大0.958の精度で上回っている。
  論文  参考訳（メタデータ） (2024-03-26T08:51:23Z)

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。