面向无人机认证的基于联邦学习的零信任轻量网络
信号处理
2025-07-08 v1
摘要
无人机(UAV)正日益被集成到下一代网络中，以增强通信覆盖与网络容量。然而，无人机的动态与移动特性带来了显著的安全挑战，包括干扰、窃听与网络攻击。为应对这些安全挑战，本文提出一种基于联邦学习的零信任轻量网络，以增强无人机网络的安全性。提出了一种新颖的轻量频谱图网络用于无人机认证与拒绝，能够基于频谱图有效认证并拒绝无人机。实验表明，LSNet 在识别已知与未知无人机类别方面均具有卓越性能，在准确率、模型紧凑性与存储需求方面较现有基准有显著提升。值得注意的是，当使用全部五个客户端进行训练时，LSNet 对已知无人机类型的准确率超过 ，对未知类型的接收机工作特性曲线下面积(AUROC)达到 。进一步的分析探讨了客户端数量变化与未知无人机存在的影响，进一步验证了所提框架在实际联邦学习场景中的实用性与有效性。
引用
@article{arxiv.2507.05111,
title = {A Federated Learning-based Lightweight Network with Zero Trust for UAV Authentication},
author = {Hao Zhang and Fuhui Zhou and Wei Wang and Qihui Wu and Chau Yuen},
journal= {arXiv preprint arXiv:2507.05111},
year = {2025}
}
备注
accepted by IEEE Transactions on Information Forensics and Security