通过零信任架构增强无人机安全：一项高级深度学习与可解释人工智能分析
机器学习
2024-03-27 v1 信号处理
摘要
在动态且不断变化的无人机（UAV）领域，确保弹性且透明的安全措施至关重要。本研究强调了实施零信任架构（ZTA）以增强无人机安全性的必要性，从而摒弃可能暴露漏洞的传统边界防御。零信任架构（ZTA）范式要求对所有网络实体和通信进行严格且持续的认证。我们通过在深度学习框架内利用射频（RF）信号这一独特方法，实现了 84.59% 的无人机检测与识别准确率。精确识别在零信任架构（ZTA）中至关重要，因为它决定了网络访问权限。此外，使用诸如 SHapley Additive exPlanations（SHAP）和 Local Interpretable Model-agnostic Explanations（LIME）等可解释人工智能（XAI）工具，有助于提升模型的透明度与可解释性。遵循零信任架构（ZTA）标准确保了无人机分类结果的可验证性与可理解性，从而增强了无人机领域的安全性。
引用
@article{arxiv.2403.17093,
title = {Enhancing UAV Security Through Zero Trust Architecture: An Advanced Deep Learning and Explainable AI Analysis},
author = {Ekramul Haque and Kamrul Hasan and Imtiaz Ahmed and Md. Sahabul Alam and Tariqul Islam},
journal= {arXiv preprint arXiv:2403.17093},
year = {2024}
}
备注
6 pages, 5 figures