論文の概要: Context-Aware Operational Security for Autonomous Drones
- arxiv url: http://arxiv.org/abs/2609.19021v1
- Date: Sun, 19 Jul 2026 02:46:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-05 14:48:16.087419
- Title: Context-Aware Operational Security for Autonomous Drones
- Title（参考訳）: 自律ドローンのコンテキスト対応運用セキュリティ
- Abstract要約: 従来のセキュリティ対策は、ドローンの限られた計算資源と電力予算のために不足している。
本稿では,自律型ドローン運用の安全性と信頼性のために,リカレントニューラルネットワーク(RNN)を利用する。
提案するDUDE-IDSをドローンミッションコンピュータに統合し,データフローを監視し,リアルタイムに潜在的な脅威を検出する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous drone-based services have been gaining significant interest across various application domains due to their mobility, flexibility, cost-effectiveness, and capability to integrate various sensors and actuators. However, operational failures or cyberattacks targeting drone systems can lead to severe economic impacts and safety concerns. Hence, ensuring secure and reliable autonomous drone operations is essential for the safe deployment of drone-enabled services. Nevertheless, the traditional security measures fall short due to drones' limited computational resources and power budget (battery), as well as the temporal and sequential behavior of drone operations due to drones' mobile nature. In this paper, we address this gap by utilizing Recurrent Neural Networks (RNNs), specifically focusing on Long Short-Term Memory (LSTM) networks, for autonomous drone operation security and reliability due to their temporal and sequential analysis capabilities. We leverage these capabilities for anomaly detection in autonomous drone sensor data and operation commands, which we refer to as Denial of Usage Detection Engine IDS (DUDE-IDS). We integrated the proposed DUDE-IDS into the drone mission computer (i.e., operating directly on drones rather than an edge node or ground control stations) to monitor data flows and to detect potential threats in real-time. Extensive experimental results demonstrate the effectiveness of this approach in identifying anomalies associated with GPS spoofing, Man-in-the-Middle (MITM), replay, and Denial-of-Service (DoS) attacks with 98% accuracy. We also evaluate our resource utilization and power consumption under different configurations, demonstrating the applicability of our approach in active drone operations in real-time.
- Abstract（参考訳）: 自律型ドローンベースのサービスは、移動性、柔軟性、コスト効率、各種センサとアクチュエータを統合する能力などにより、さまざまなアプリケーション領域で大きな関心を集めている。
しかし、ドローンシステムをターゲットにした運用上の障害やサイバー攻撃は、深刻な経済的影響と安全上の懸念を引き起こす可能性がある。
したがって、ドローン対応サービスの安全な展開には、安全で信頼性の高い自律ドローン運用の確保が不可欠である。
それでも、従来のセキュリティ対策は、ドローンの計算資源の制限と電力予算(電池)、およびドローンの移動性による時間的かつシーケンシャルな操作のために不足している。
本稿では,Long Short-Term Memory(LSTM)ネットワークに着目したリカレントニューラルネットワーク(RNN)を用いて,その時間的およびシーケンシャルな解析能力による自律型ドローン運用の安全性と信頼性を実現する。
自律型ドローンセンサデータと運用コマンドの異常検出にこれらの機能を活用し、Denial of Usage Detection Engine IDS (DUDE-IDS) と呼ぶ。
提案するDUDE-IDSをドローンミッションコンピュータ(すなわち、エッジノードや地上管制局ではなくドローンで直接運用する)に統合し、データフローを監視し、リアルタイムに潜在的な脅威を検出する。
大規模な実験により,GPSスプーフィング,マン・イン・ザ・ミドル(MITM),リプレイ,DoS(DoS)攻撃に関連する異常を98%の精度で同定する手法の有効性が示された。
また、異なる構成下での資源利用と電力消費を評価し、アクティブなドローン運用における我々のアプローチの適用性を実演した。
関連論文リスト
- Multi-Agent-Driven Cognitive Secure Communications in Satellite-Terrestrial Networks [58.70163955407538]
悪意のある盗聴者は衛星地上ネットワーク(STN)を介して個人情報に深刻な脅威をもたらす
リアルタイムセンシングによりスペクトルスケジューリングと保護を協調する複数のエージェントによって駆動される認知セキュア通信フレームワークを提案する。
我々は、生成した対向ネットワークを利用して対向行列を生成し、学習支援電力制御を用いて、実及び対向信号のパワーを保護層に設定する。
論文 参考訳（メタデータ） (2026-01-06T10:30:41Z) - FlyTrap: Physical Distance-Pulling Attack Towards Camera-based Autonomous Target Tracking Systems [25.870424901890292]
距離追従攻撃(DPA)という新たな攻撃法を提案する。
FlyTrapは、敵傘をデプロイ可能でドメイン固有の攻撃ベクトルとして利用する、新しい物理世界の攻撃フレームワークである。
我々の評価には、新しいデータセット、メトリクス、現実世界のホワイトボックスやDJIやHoverAirを含む商用ATTドローンのクローズドループ実験が含まれています。
論文 参考訳（メタデータ） (2025-09-24T17:59:54Z) - A Compendium of Autonomous Navigation using Object Detection and Tracking in Unmanned Aerial Vehicles [0.0]
無人航空機(英語: Unmanned Aerial Vehicles、UAV)は21世紀の最も革新的な発明の1つである。
本稿では,UAVの自律航法を目的として,複数の著者が提案した様々なアプローチについて検討する。
論文 参考訳（メタデータ） (2025-05-31T09:13:43Z) - Cooperative Search and Track of Rogue Drones using Multiagent Reinforcement Learning [8.775925011558995]
本研究は、機密性の高いインフラ施設をターゲットにしたローグドローンを迎撃する問題を考察する。
ローグドローンを確実に検出・追跡・中和できる総合システムを提案する。
論文 参考訳（メタデータ） (2025-01-07T16:22:51Z) - Open-World Drone Active Tracking with Goal-Centered Rewards [62.21394499788672]
Drone Visual Active Trackingは、視覚的な観察に基づいてモーションシステムを制御することで、対象物を自律的に追跡することを目的としている。
DATは,世界初となるエア・ツー・グラウンド・トラッキング・ベンチマークである。
また,複雑なシナリオにおけるドローン追跡目標の性能向上を目的としたGC-VATを提案する。
論文 参考訳（メタデータ） (2024-12-01T09:37:46Z) - Obfuscated Location Disclosure for Remote ID Enabled Drones [57.07815312703613]
RID対応ドローン(OLO-RID)の難読化位置情報開示法を提案する。
実際のドローンの位置を開示する代わりに、OLO-RIDを装備したドローンは、モバイルシナリオで異なるプライベートな難解な場所を開示する。
OLO-RIDはまた、暗号化された位置情報でRIDメッセージを拡張し、認証されたエンティティによってのみアクセスすることができる。
論文 参考訳（メタデータ） (2024-07-19T12:35:49Z) - VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer
Learning in Drone Detection [0.0]
本稿では,コンピュータビジョンベースモジュールの不可欠な部分を構成する移動型ドローン検出手法を提案する。
事前学習されたモデルの知識を関連ドメインから活用することにより、限られたトレーニングデータであっても、トランスファー学習によりより良い結果が得られる。
特に、このスキームの有効性は、IOUベースの検証結果によって強調される。
論文 参考訳（メタデータ） (2023-06-11T22:30:23Z) - TransVisDrone: Spatio-Temporal Transformer for Vision-based
Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。
既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。
計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
論文 参考訳（メタデータ） (2022-10-16T03:05:13Z) - URANUS: Radio Frequency Tracking, Classification and Identification of
Unmanned Aircraft Vehicles [9.48595824154853]
URANUSは、制限空域におけるドローンの存在を検出するための費用対効果とリアルタイムのフレームワークである。
我々は、UAVを90ドル%の精度でリアルタイムで識別し分類するために、多層パーセプトロンニューラルネットワークを採用する。
我々の分析によると、URANUSは、ほとんどのクリティカルインフラストラクチャーオペレーターが採用できるUAVを特定し、分類し、追跡するための理想的なフレームワークである。
論文 参考訳（メタデータ） (2022-07-13T08:14:18Z)
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。