对抗攻击下无人机数据采集的弹性路径规划
网络与互联网体系结构
2024-01-18 v1 信号处理
摘要
本文研究了物联网网络中用于数据采集的抗干扰弹性无人机路径规划策略，其中典型无人机能够学习最优轨迹以规避此类干扰攻击。具体而言，典型无人机需要在存在干扰攻击的情况下，满足避碰、任务完成期限和运动学约束，从多个分布式物联网节点收集数据。我们首先设计了一个固定地面干扰机，采用连续干扰攻击和周期性干扰攻击策略来干扰典型无人机与物联网节点之间的链路。提出了基于强化学习的虚拟干扰机和采用更高SINR阈值的防御策略来对抗此类攻击。其次，我们设计了一个智能无人机干扰机，它利用强化学习算法根据其观测选择动作。然后，构建了一种智能无人机抗干扰策略来应对此类攻击，并通过Dueling Double Deep Q-Network（D3QN）获得典型无人机的最优轨迹。仿真结果表明，非智能和智能干扰攻击均对无人机性能有显著影响，而所提出的防御策略可以将性能恢复到接近无干扰机场景的水平。
引用
@article{arxiv.2401.08634,
title = {Resilient Path Planning for UAVs in Data Collection under Adversarial Attacks},
author = {Xueyuan Wang and M. Cenk Gursoy},
journal= {arXiv preprint arXiv:2401.08634},
year = {2024}
}
备注
The final version of this paper has been accepted in IEEE Transactions on Information Forensics and Security