保障5G及未来赋能无人机网络安全：通过多智能体学习与Transformer检测实现韧性
信号处理
2025-05-06 v1
摘要
在5G和6G网络中，实现无人机（UAV）通信的韧性仍然是一个重大挑战。尽管无人机受益于优越的定位能力、速率优化技术以及广泛的视距（LoS）范围，但这些优势本身并不能保证在各种无人机用例中实现高可靠性。这一局限性在城市环境中尤为明显，因为无人机容易受到干扰攻击，且视距连接经常被建筑物和其他物理障碍物阻断。本文介绍了DET-FAIR-WINGS（面向地面无人机系统AI韧性无线网络的检测增强型Transformer框架），这是一种旨在增强攻击下无人机通信可靠性的新型解决方案。我们的系统利用多智能体强化学习（MARL）和基于Transformer的检测算法来识别网络内的攻击模式，并随后选择最合适的机制来加强经过认证的无人机-基站链路的可靠性。DET-FAIR-WINGS方法集成了离散和连续参数。离散参数包括重传尝试次数、带宽划分和陷波机制，而连续参数则包括来自基站（BS）和用户设备的波束角度和仰角。检测部分在智能体中集成了一个Transformer以加速训练。我们的研究结果表明，在5G网络中，用AI集成的灵活方法取代固定的重传次数，通过优化5G层内的决策过程，显著降低了延迟。
引用
@article{arxiv.2505.01885,
title = {Securing 5G and Beyond-Enabled UAV Networks: Resilience Through Multiagent Learning and Transformers Detection},
author = {Joseanne Viana and Hamed Farkhari and Victor P Gil Jimenez},
journal= {arXiv preprint arXiv:2505.01885},
year = {2025}
}