基于强化学习的无人机辅助 O-RAN 安全感知资源分配框架
密码学与安全
2025-10-22 v1 人工智能
摘要
将无人机（UAVs）集成到开放式无线接入网络（O-RAN）中，通过在基础设施失效时确保连接性，提升灾害管理和搜救（Search and Rescue, SAR）操作中的通信能力。然而，SAR 场景对安全性和低延迟通信提出严苛要求，因为延迟或安全 breach 可能危及任务成功。尽管无人机充当移动中继器，但其能源消耗和资源管理带来挑战，亟需智能的分配策略。现有的无人机辅助 O-RAN 方法常忽视动态环境下安全性、延迟和能源效率的联合优化。本文提出一种基于强化学习（RL）的框架，用于无人机中继器的动态资源分配，显式解决上述权衡。该方法构建集成安全感知资源分配、延迟最小化和能源效率的优化问题，并通过 RL 求解。不同于启发式或静态方法，本框架能实时适应网络动态，确保通信稳健性。仿真结果表明，本框架在保持 SAR 场景超低延迟的同时，显著提升了安全性和能源效率，性能优于启发式基线。
引用
@article{arxiv.2510.18084,
title = {RL-Driven Security-Aware Resource Allocation Framework for UAV-Assisted O-RAN},
author = {Zaineh Abughazzah and Emna Baccour and Loay Ismail and Amr Mohamed and Mounir Hamdi},
journal= {arXiv preprint arXiv:2510.18084},
year = {2025}
}
备注
6 pages