无人机隐蔽通信网络的拓扑生成：基于图扩散的奖励机制
人工智能
2025-08-12 v1
摘要
随着无人机 (UAV) 网络在城市监控、紧急响应和安全探测等敏感应用中日益增长的需求，确保可靠连接和隐蔽通信已变得越来越关键。然而，动态的移动性和暴露风险在这些领域提出了重大挑战。为解决这些挑战，本文提出了将基于图扩散的策略优化 (GDPO) 与基于 Stackelberg 游戏 (SG) 奖励机制相结合的自组织无人机网络框架。GDPO 方法利用生成式 AI 动态生成稀疏但良好连接的拓扑，使其能够灵活适应不断变化的节点分布和地面用户 (GU) 的需求。同时，基于 Stackelberg 游戏 (SG) 的奖励机制引导自愿意的无人机选择支持合作并增强隐蔽通信的中继行为和邻居链接。进行了大量实验，以验证所提出框架在模型收敛性、拓扑生成质量以及增强隐蔽通信性能方面的有效性。
关键词
引用
@article{arxiv.2508.06746,
title = {Topology Generation of UAV Covert Communication Networks: A Graph Diffusion Approach with Incentive Mechanism},
author = {Xin Tang and Qian Chen and Fengshun Li and Youchun Gong and Yinqiu Liu and Wen Tian and Shaowen Qin and Xiaohuan Li},
journal= {arXiv preprint arXiv:2508.06746},
year = {2025}
}