基于生成式扩散模型的无人机集群协同安全通信优化
网络与互联网体系结构
2024-07-15 v1 信号处理
摘要
由于灵活性和低成本优势，无人机（UAVs）正日益重要地用于提升无线网络的覆盖范围和功能。然而，将无人机融入下一代无线通信系统面临诸多挑战，尤其是在抵御窃听攻击时，如何维持高速率和远程安全通信。本文考虑一种基于无人机集群的安全监视网络系统，其中无人机集群形成虚拟天线阵列，通过协作波束成形（CB）将敏感监视数据传输至远程基站（RBS），以抵御移动窃听者。具体而言，我们构建了无人机集群安全通信与能源效率多目标优化问题（ASCEE-MOP），旨在最大化系统的保密率，同时最小化无人机集群的飞行能耗。为解决非凸、NP难且动态的ASCEE-MOP，本文提出了一种基于生成式扩散模型的双延迟深确定性策略梯度方法（GDMTD3）。具体而言，GDMTD3利用扩散模型的创新应用，确定无人机的最优激励电流权重和位置决策。扩散模型能够更好地捕捉ASCEE-MOP的复杂动态与权衡，从而获得有前景的解决方案。仿真结果表明，所提出的方法在各种部署策略和其他一些深度强化学习（DRL）基准方法上均表现出优异性能。此外，对GDMTD3的不同参数设置以及不同无人机数量下的性能分析也验证了所提方法的鲁棒性。
引用
@article{arxiv.2407.08914,
title = {Multi-objective Aerial Collaborative Secure Communication Optimization via Generative Diffusion Model-enabled Deep Reinforcement Learning},
author = {Chuang Zhang and Geng Sun and Jiahui Li and Qingqing Wu and Jiacheng Wang and Dusit Niyato and Yuanwei Liu},
journal= {arXiv preprint arXiv:2407.08914},
year = {2024}
}
备注
This paper has been submitted to IEEE Transactions on Mobile Computing