增强自主无人机导航的隐私与安全
密码学与安全
2024-04-29 v1 人工智能
机器人学
摘要
自主无人机（UAV）已成为国防、执法、灾害响应和产品交付的重要工具。这些自主导航系统需要无线通信网络，并且最近是基于深度学习的。在边境保护或灾害响应等关键场景中，确保自主无人机的安全导航至关重要。但是，这些自主无人机容易通过通信网络或深度学习模型遭受对抗攻击——窃听/中间人攻击/成员推理/重构。为了解决这种脆弱性，我们提出了一种结合强化学习（RL）和全同态加密（FHE）的创新方法，用于安全的自主无人机导航。这种端到端安全框架专为无人机摄像头捕获的实时视频流设计，并利用 FHE 对加密输入图像执行推理。虽然 FHE 允许对加密数据进行计算，但某些计算算子尚未实现。卷积神经网络、全连接神经网络、激活函数和 OpenAI Gym 库被精心适配到 FHE 领域，以实现加密数据处理。我们通过广泛的实验证明了所提方法的有效性。我们提出的方法确保了自主无人机导航的安全性和隐私性，且性能损失可忽略不计。
引用
@article{arxiv.2404.17225,
title = {Enhancing Privacy and Security of Autonomous UAV Navigation},
author = {Vatsal Aggarwal and Arjun Ramesh Kaushik and Charanjit Jutla and Nalini Ratha},
journal= {arXiv preprint arXiv:2404.17225},
year = {2024}
}