[論文レビュー] Artificial Intelligence for Wireless Connectivity and Security of Cellular-Connected UAVs.

Ursula Challita, Aidin Ferdowsi+2 more|arXiv (Cornell University)|Apr 15, 2018

UAV Applications and Optimization参考文献 18被引用数 21

ひとこと要約

本稿では、干渉、移動体管理、サイバー物理的攻撃を含む、セルラー接続型無人航空機（UAV）における無線接続性およびセキュリティ課題に対処するため、人工ニューラルネットワーク（ANN）に基づくソリューションを提案する。この手法により、配達、動画ストリーミング、インテリジェントトランスポーテーションなどのUAVアプリケーションにおいて、リアルタイムで適応可能なリソース割り当てとセキュアな運用が可能となり、シミュレーション結果により、主要な指標において性能が向上していることが示された。

ABSTRACT

Cellular-connected unmanned aerial vehicles (UAVs) will inevitably be integrated into future cellular networks as new aerial mobile users. Providing cellular connectivity to UAVs will enable a myriad of applications ranging from online video streaming to medical delivery. However, to enable a reliable wireless connectivity for the UAVs as well as a secure operation, various challenges need to be addressed such as interference management, mobility management and handover, cyber-physical attacks, and authentication. In this paper, the goal is to expose the wireless and security challenges that arise in the context of UAV-based delivery systems, UAV-based real-time multimedia streaming, and UAV-enabled intelligent transportation systems. To address such challenges, artificial neural network (ANN) based solution schemes are introduced. The introduced approaches enable the UAVs to adaptively exploit the wireless system resources while guaranteeing a secure operation, in real-time. Preliminary simulation results show the benefits of the introduced solutions for each of the aforementioned cellular-connected UAV application use case.

研究の動機と目的

• セルラー接続型UAVにおける主なアプリケーション分野において、無線およびセキュリティ課題を特定し、それらに対処すること。
• 人工ニューラルネットワークを用いて、UAVのリアルタイムで適応可能なリソース割り当てメカニズムを構築すること。
• UAVベースのシステムにおけるサイバー物理的攻撃および認証の脅威に対して、セキュアな運用を確保すること。
• UAVの配達、マルチメディアストリーミング、インテリジェントトランスポーテーションシステムにおけるANNベースのソリューションの性能を評価すること。

提案手法

• 変化するUAVの移動性およびチャネル状態に応じて、動的に無線リソース割り当てを管理できるANNベースのフレームワークを設計すること。
• 物理層およびメディアアクセス制御層にニューラルネットワークを統合し、信号対干渉＋ノイズ比を最適化し、ハンドオーバー遅延を低減すること。
• リアルタイムでスプーフィングやジャミングなどのサイバー物理的攻撃を検知・緩和するための機械学習モデルを実装すること。
• UAVの移動トレースおよびネットワーク状態からのシミュレーションデータを用いてANNをトレーニングし、高速で低遅延な意思決定を可能にすること。
• エンドツーエンド学習を用いて、UAVネットワークにおける接続性とセキュリティの目的を統合最適化すること。
• 配達、リアルタイムストリーミング、インテリジェントトランスポーテーションの3つのUAVアプリケーションシナリオにおいて、シミュレーションを通じて手法の妥当性を検証すること。

実験結果

リサーチクエスチョン

• RQ1 人工ニューラルネットワークを活用することで、セルラー接続型UAVにおけるリアルタイム無線接続性をどのように向上させられるか？
• RQ2 UAVベースのセルラーネットワークにおける主なセキュリティ脅威は何か。また、ANNはそれらを効果的に緩和できるか？
• RQ3 高移動性のUAV環境において、ANNベースのソリューションは、従来の方法と比較して干渉管理およびハンドオーバーの管理においてどのように異なるか？
• RQ4 ANNは、UAV支援のマルチメディアストリーミングおよびインテリジェントトランスポーテーションシステムにおけるシステムの信頼性およびセキュリティをどの程度向上できるか？

主な発見

• 提案されたANNベースのソリューションは、高移動性のUAVシナリオにおいて、リソース利用効率の向上とハンドオーバー遅延の低減を顕著に実現した。
• ニューラルネットワークモデルは、サイバー物理的攻撃を効果的に検知・応答でき、システムのレジリエンスを向上させた。
• シミュレーション結果から、UAVベースの配達および動画ストリーミングアプリケーションにおけるスルーレットの向上とアウージャー確率の低減が確認された。
• ANNの統合により、従来の静的またはヒューリスティックなアプローチを上回る、適応的でリアルタイムな意思決定が可能になった。
• 本手法は、高い検出精度を維持しながら、認証のセキュリティを保ち、スプーフィングやジャミング攻撃を効果的に緩和した。
• フレームワークは、インテリジェントトランスポーテーションシステムを含む多様なUAVアプリケーションユースケースにおいて、スケーラビリティとロバストネスを示した。