論文の概要: Digital Twin Enabled Simultaneous Learning and Modeling for UAV-assisted Secure Communications with Eavesdropping Attacks

• arxiv url: http://arxiv.org/abs/2603.22753v1
• Date: Tue, 24 Mar 2026 03:31:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.277576
• Title: Digital Twin Enabled Simultaneous Learning and Modeling for UAV-assisted Secure Communications with Eavesdropping Attacks
• Title（参考訳）: 盗聴攻撃によるUAV支援セキュア通信のためのディジタル双極子同時学習とモデリング
• Authors: Jieting Yuan, Songhan Zhao, Ye Xue, Yu Zhao, Bo Gu, Shimin Gong,
• Abstract要約: 本稿では,UAV支援無線ネットワークにおけるセキュア通信に着目した。 複数の正統なUAV(LE-UAV)とインテリジェントなEavesdropping UAV(EA-UAV)から構成される。 LE-UAVがデータ転送とジャミングモードを動的に切り替えることのできるモード切替方式を提案する。
• 参考スコア（独自算出の注目度）: 13.018533875928048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper focuses on secure communications in UAV-assisted wireless networks, which comprise multiple legitimate UAVs (LE-UAVs) and an intelligent eavesdropping UAV (EA-UAV). The intelligent EA-UAV can observe the LE-UAVs'transmission strategies and adaptively adjust its trajectory to maximize information interception. To counter this threat, we propose a mode-switching scheme that enables LE-UAVs to dynamically switch between the data transmission and jamming modes, thereby balancing data collection efficiency and communication security. However, acquiring full global network state information for LE-UAVs' decision-making incurs significant overhead, as the network state is highly dynamic and time-varying. To address this challenge, we propose a digital twin-enabled simultaneous learning and modeling (DT-SLAM) framework that allows LE-UAVs to learn policies efficiently within the DT, thereby avoiding frequent interactions with the real environment. To capture the competitive relationship between the EA-UAV and the LE-UAVs, we model their interactions as a multi-stage Stackelberg game and jointly optimize the GUs' transmission control, UAVs' trajectory planning, mode selection, and network formation to maximize overall secure throughput. Considering potential model mismatch between the DT and the real environment, we propose a robust proximal policy optimization (RPPO) algorithm that encourages LE-UAVs to explore service regions with higher uncertainty. Numerical results demonstrate that the proposed DT-SLAM framework effectively supports the learning process. Meanwhile, the RPPO algorithm converges about 12% faster and the secure throughput can be increased by 8.6% compared to benchmark methods.
• Abstract（参考訳）: 本稿では,複数のUAV(LE-UAV)とEA-UAV(EA-UAV)からなるUAV支援無線ネットワークにおけるセキュアな通信に焦点を当てた。 知的EA-UAVはLE-UAVの送信戦略を観察し、その軌道を適応的に調整して情報遮断を最大化することができる。 この脅威に対処するために、LE-UAVがデータ伝送とジャミングモードを動的に切り替えることを可能にし、データ収集効率と通信セキュリティのバランスをとるモード切替方式を提案する。 しかし、LE-UAVの意思決定のための全グローバルネットワーク状態情報を取得することは、ネットワーク状態が非常に動的で時間的に変化するため、かなりのオーバーヘッドを引き起こす。 この課題に対処するために、LE-UAVがDT内でポリシーを効率的に学習し、実際の環境との頻繁な相互作用を避けることができるデジタルツイン対応同時学習・モデリング(DT-SLAM)フレームワークを提案する。 EA-UAVとLE-UAV間の競合関係を捉えるため,マルチステージのStackelbergゲームとしてインタラクションをモデル化し,GUsの伝送制御,UAVの軌道計画,モード選択,ネットワーク形成を共同で最適化し,全体的なセキュアスループットを最大化する。 DTと実環境の潜在的なモデルミスマッチを考慮し、LE-UAVがより不確実性の高いサービス領域を探索することを奨励する堅牢な近似ポリシー最適化(RPPO)アルゴリズムを提案する。 DT-SLAMフレームワークは学習過程を効果的に支援することを示す。 一方、RPPOアルゴリズムは約12%の速度で収束し、ベンチマーク手法と比較して安全なスループットを8.6%向上させることができる。

関連論文リスト

• Spatio-Temporal Attention Enhanced Multi-Agent DRL for UAV-Assisted Wireless Networks with Limited Communications [73.26813382994867]
  本稿では,UAV間の情報共有を促進するために,遅延ペナル化報酬を統合した遅延耐性多エージェント深層強化学習アルゴリズムを提案する。 提案手法は従来のMADRLに比べて50%以上の情報遅延と75%のスループット向上を実現する。 また、UAV情報交換の必要性を低減し、UAV支援無線ネットワークにおけるMADRLの実践的展開を促進するのにも有効である。
  論文  参考訳（メタデータ） (2026-03-23T05:42:50Z)
• Trajectory Design for UAV-Based Low-Altitude Wireless Networks in Unknown Environments: A Digital Twin-Assisted TD3 Approach [62.11847362756054]
  低高度無線ネットワーク(LAWN)のキーイネーブラーとして無人航空機(UAV)が登場している 我々は、デジタルツイン(DT)支援トレーニングおよびデプロイメントフレームワークを提案する。 このフレームワークでは、UAVは統合されたセンシングと通信信号を送信し、地上ユーザーに通信サービスを提供し、同時にDTサーバにアップロードされたエコーを収集して、仮想環境(VE)を段階的に構築する。 これらのVEはモデルトレーニングを加速し、展開中のリアルタイムUAVセンシングデータを継続的に更新し、意思決定をサポートし、飛行安全性を向上する。
  論文  参考訳（メタデータ） (2025-10-28T10:05:53Z)
• Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
  低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。 オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。 動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
  論文  参考訳（メタデータ） (2025-10-11T05:11:21Z)
• Maximizing UAV Cellular Connectivity with Reinforcement Learning for BVLoS Path Planning [2.9248680865344343]
  本稿では,BVLoS以外のセルラー接続型無人航空機(UAV)の経路計画に対する強化学習(RL)に基づくアプローチを提案する。 提案手法では,UAVと基地局(BS)間の通信リンクの質を報奨関数として利用してエージェントの訓練を行う。 RLアルゴリズムは最適経路を効率よく同定し、地上BSとの最大接続を確保し、安全で信頼性の高いBVLoS飛行動作を保証する。
  論文  参考訳（メタデータ） (2025-09-11T06:06:39Z)
• 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)
• Age of Information Minimization in UAV-Enabled Integrated Sensing and Communication Systems [34.92822911897626]
  統合センシング通信(ISAC)機能を備えた無人航空機(UAV)は、将来の無線ネットワークにおいて重要な役割を果たすと想定されている。 ターゲットセンシングとマルチユーザ通信を同時に行う老化情報(AoI)システムを提案する。
  論文  参考訳（メタデータ） (2025-07-18T18:17:09Z)
• UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
  本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。 ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
  論文  参考訳（メタデータ） (2024-04-11T03:19:22Z)
• Multi-Agent Reinforcement Learning for Offloading Cellular Communications with Cooperating UAVs [21.195346908715972]
  無人航空機は、地上のBSからデータトラフィックをオフロードする代替手段を提供する。 本稿では,地上BSからデータオフロードを行うために,複数のUAVを効率的に利用するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T12:36:08Z)
• 3D UAV Trajectory and Data Collection Optimisation via Deep Reinforcement Learning [75.78929539923749]
  無人航空機(UAV)は現在、無線通信におけるネットワーク性能とカバレッジを高めるために配備され始めている。 UAV支援モノのインターネット(IoT)のための最適な資源配分方式を得ることは困難である 本稿では,UAVの最も短い飛行経路に依存しつつ,IoTデバイスから収集したデータ量を最大化しながら,新しいUAV支援IoTシステムを設計する。
  論文  参考訳（メタデータ） (2021-06-06T14:08:41Z)

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。