面向安全无人机导航的 FHE-aware 知识蒸馏
密码学与安全
2024-11-04 v1 机器学习
摘要
在保障使命关键系统（如无人机）导航期间路径轨迹隐私至关重要。虽然将强化学习（RL）与全同态加密（FHE）的结合具有潜力，但 FHE 的计算开销 presents a significant challenge。本文提出了一种创新方法，利用知识蒸馏来增强安全无人机导航的实用性。通过集成 RL 和 FHE，我们的框架解决了对抗攻击的漏洞，同时实现对加密无人机摄像头 feed 的实时处理，确保数据安全。为缓解 FHE 的延迟，采用知识蒸馈压缩网络，在不损失性能的情况下实现了令人印象深刻的 18 倍加速，其 R-squared 分数为 0.9499，而原始模型的得分仅为 0.9631。我们的 methodology 强调了处理加密数据以完成无人机导航任务的可行性，强调安全性、性能效率和及时性。这些发现为在敏感环境中部署自主无人机，增强其抗潜在安全威胁的韧性铺平了道路。
引用
@article{arxiv.2411.00403,
title = {Towards Building Secure UAV Navigation with FHE-aware Knowledge Distillation},
author = {Arjun Ramesh Kaushik and Charanjit Jutla and Nalini Ratha},
journal= {arXiv preprint arXiv:2411.00403},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2404.17225