論文の概要: GAC-KAN: An Ultra-Lightweight GNSS Interference Classifier for GenAI-Powered Consumer Edge Devices
- arxiv url: http://arxiv.org/abs/2602.11186v1
- Date: Fri, 30 Jan 2026 08:33:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-15 14:54:53.738664
- Title: GAC-KAN: An Ultra-Lightweight GNSS Interference Classifier for GenAI-Powered Consumer Edge Devices
- Title（参考訳）: GAC-KAN:GenAI搭載消費者向けエッジデバイス用超軽量GNSS干渉分類器
- Authors: Zhihan Zeng, Kaihe Wang, Zhongpei Zhang, Yue Xiu,
- Abstract要約: 本稿では,GAC-KANという新しいフレームワークを提案する。
GAC-KANの全体的な精度は98.0%であり、最先端のベースラインを上回っている。
この極端に軽量な特徴は、GAC-KANを理想的な「常時オン」セキュリティコンパニオンとし、プライマリGenAIが必要とする計算リソースと競合することなく信頼性を確保する。
- 参考スコア（独自算出の注目度）: 7.730213736146624
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The integration of Generative AI (GenAI) into Consumer Electronics (CE)--from AI-powered assistants in wearables to generative planning in autonomous Uncrewed Aerial Vehicles (UAVs)--has revolutionized user experiences. However, these GenAI applications impose immense computational burdens on edge hardware, leaving strictly limited resources for fundamental security tasks like Global Navigation Satellite System (GNSS) signal protection. Furthermore, training robust classifiers for such devices is hindered by the scarcity of real-world interference data. To address the dual challenges of data scarcity and the extreme efficiency required by the GenAI era, this paper proposes a novel framework named GAC-KAN. First, we adopt a physics-guided simulation approach to synthesize a large-scale, high-fidelity jamming dataset, mitigating the data bottleneck. Second, to reconcile high accuracy with the stringent resource constraints of GenAI-native chips, we design a Multi-Scale Ghost-ACB-Coordinate (MS-GAC) backbone. This backbone combines Asymmetric Convolution Blocks (ACB) and Ghost modules to extract rich spectral-temporal features with minimal redundancy. Replacing the traditional Multi-Layer Perceptron (MLP) decision head, we introduce a Kolmogorov-Arnold Network (KAN), which employs learnable spline activation functions to achieve superior non-linear mapping capabilities with significantly fewer parameters. Experimental results demonstrate that GAC-KAN achieves an overall accuracy of 98.0\%, outperforming state-of-the-art baselines. Significantly, the model contains only 0.13 million parameter--approximately 660 times fewer than Vision Transformer (ViT) baselines. This extreme lightweight characteristic makes GAC-KAN an ideal "always-on" security companion, ensuring GNSS reliability without contending for the computational resources required by primary GenAI tasks.
- Abstract（参考訳）: Generative AI(GenAI)をConsumer Electronics(CE)に統合することで、ウェアラブルのAIアシスタントから、自律型無人航空機(UAV)のジェネレーティブプランニングまで、革新的なユーザエクスペリエンスを実現した。
しかし、これらのGenAIアプリケーションはエッジハードウェアに膨大な計算負荷を課し、GNSS(Global Navigation Satellite System)信号保護のような基本的なセキュリティタスクに厳格に制限されたリソースを残している。
さらに、そのようなデバイスに対する堅牢な分類器の訓練は、実世界の干渉データの不足によって妨げられる。
本稿では,データ不足とGenAI時代の極度の効率性の両立を図り,GAC-KANという新しいフレームワークを提案する。
まず、物理誘導型シミュレーション手法を用いて、大規模で高忠実なジャミングデータセットを合成し、データのボトルネックを軽減する。
第二に、GenAIネイティブチップのリソース制約を厳密に調整するために、マルチスケールゴースト-ACB-コーディネート(MS-GAC)バックボーンを設計する。
このバックボーンは非対称畳み込みブロック(ACB)とゴーストモジュールを組み合わせて、スペクトル時間特性を最小限の冗長性で抽出する。
従来のMulti-Layer Perceptron (MLP) 決定ヘッドに代えて,学習可能なスプラインアクティベーション機能を用いて,パラメータが大幅に少ない優れた非線形マッピング機能を実現するKAN(Kolmogorov-Arnold Network)を導入する。
実験の結果, GAC-KANの総合精度は98.0\%であり, 最先端のベースラインよりも優れていた。
重要なことに、このモデルは0.13万のパラメータしか含んでおらず、ViT(Vision Transformer)のベースラインの約660倍も少ない。
この極端に軽量な特徴は、GAC-KANを理想的な「常時オン」セキュリティコンパニオンとし、GenAIタスクに必要な計算リソースと競合することなく、GNSSの信頼性を確保する。
関連論文リスト
- AI-NativeBench: An Open-Source White-Box Agentic Benchmark Suite for AI-Native Systems [52.65695508605237]
我々は、Model Context Protocol(MCP)とAgent-to-Agent(A2A)標準に基づいて、アプリケーション中心でホワイトボックスのAI-NativeベンチマークスイートであるAI-NativeBenchを紹介する。
エージェントスパンを分散トレース内の第一級市民として扱うことにより,本手法は,単純な機能以上の工学的特性の粒度解析を可能にする。
この研究は、モデル能力の測定から信頼性の高いAI-Nativeシステムへの移行を導く最初の体系的な証拠を提供する。
論文 参考訳（メタデータ） (2026-01-14T11:32:07Z) - Hybrid Distillation with CoT Guidance for Edge-Drone Control Code Generation [18.74352644644387]
本稿では,UAVマルチSDK制御タスクにおける知識蒸留,チェーン・オブ・ソート・ガイダンス,教師付き微調整を組み合わせた統合的アプローチを提案する。
実験結果から, 蒸留した軽量モデルは, 高いコード生成精度を維持しつつ, 展開効率と推論効率を著しく向上することがわかった。
論文 参考訳（メタデータ） (2026-01-13T10:31:09Z) - Edge Collaborative Gaussian Splatting with Integrated Rendering and Communication [69.23838350582764]
エッジ協調(ECO-GS)では,各ユーザが小さなGSモデルに切り替えて忠実さを保証し,遠隔大GSモデルで忠実さを保証できる。
低コストのレンダリングステータスとエッジパワー割り当てを協調的に最適化する統合通信(IRAC)を提案する。
論文 参考訳（メタデータ） (2025-10-26T15:33:29Z) - When UAV Swarm Meets IRS: Collaborative Secure Communications in Low-altitude Wireless Networks [68.45202147860537]
低高度無線ネットワーク (LAWN) は、多様なアプリケーションに対して、拡張されたカバレッジ、信頼性、スループットを提供する。
これらのネットワークは、既知のおよび潜在的に未知の盗聴者の両方から重大なセキュリティ上の脆弱性に直面している。
本稿では,Swarm内で選択されたUAVを仮想アンテナアレイとして機能させる,LAWNのための新しいセキュア通信フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-25T02:02:14Z) - STT-GS: Sample-Then-Transmit Edge Gaussian Splatting with Joint Client Selection and Power Control [77.56170394100022]
Edge Gaussian splatting (EGS)は、分散クライアントからデータを集約し、エッジサーバでグローバルGSモデルをトレーニングする。
本稿では、異なるクライアントのビューコントリビューションを識別する新しいGS指向の目的関数を定式化する。
その結果,低サンプリング比でGS指向の目的を正確に予測できることが判明した。
論文 参考訳（メタデータ） (2025-10-15T06:20:47Z) - A Federated Fine-Tuning Paradigm of Foundation Models in Heterogenous Wireless Networks [43.049216349313575]
エッジデバイスは、基地局とのファインチューニングのためのLoRAモジュールを動的に切り替え、異種伝送の影響を緩和する。
計算複雑性の問題を解決するために,オンライン最適化アルゴリズムを開発した。
SST-2およびQNLIデータセットのシミュレーション結果は、試験精度とエネルギー効率における性能向上を示す。
論文 参考訳（メタデータ） (2025-09-05T06:38:36Z) - A Transformer-Based Conditional GAN with Multiple Instance Learning for UAV Signal Detection and Classification [17.586093539522327]
本稿では,トランスフォーマーをベースとしたGAN(Generative Adversarial Network)とMILET(Multiple Examplely Explainable Learning)を統合した新しいフレームワークを提案する。
実験の結果,DroneDetectデータセットでは96.5%,DroneRFデータセットでは98.6%の精度が得られた。
このフレームワークはまた、様々なUAVプラットフォームと飛行状態にまたがる強力な計算効率と堅牢な一般化を示す。
論文 参考訳（メタデータ） (2025-07-19T12:35:45Z) - Noise Resilient Over-The-Air Federated Learning In Heterogeneous Wireless Networks [2.2530496464901106]
6G無線ネットワークでは、人工知能(AI)駆動のアプリケーションはフェデレートラーニング(FL)の採用を要求する。
従来のOTA-FL技術は、サーバにおけるAWGN(Additive White Gaussian Noise)と、エッジデバイスにおけるデータおよびシステム不均一性の両面から影響を受けている。
我々は,これらの課題に共同で取り組むために,新しいノイズ耐性オーバーザエアフェデレートラーニング(NoROTA-FL)フレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-25T11:04:00Z) - 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) - CARE Transformer: Mobile-Friendly Linear Visual Transformer via Decoupled Dual Interaction [77.8576094863446]
本稿では,新しいdetextbfCoupled dutextbfAl-interactive lineatextbfR atttextbfEntion (CARE) 機構を提案する。
まず,非対称な特徴分離戦略を提案し,非対称的に学習プロセスを局所帰納バイアスと長距離依存に分解する。
分離学習方式を採用し,特徴間の相補性を完全に活用することにより,高い効率性と精度を両立させることができる。
論文 参考訳（メタデータ） (2024-11-25T07:56:13Z) - AI-based Radio and Computing Resource Allocation and Path Planning in
NOMA NTNs: AoI Minimization under CSI Uncertainty [23.29963717212139]
高高度プラットフォーム(HAP)と無人航空機(UAV)からなる階層型空中コンピューティングフレームワークを開発する。
タスクスケジューリングは平均AoIを大幅に削減する。
電力割り当ては全ユーザに対して全送信電力を使用する場合と比較して平均AoIに限界効果があることが示されている。
論文 参考訳（メタデータ） (2023-05-01T11:52:15Z)
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。