[논문 리뷰] Physical Layer Security for UAV Communications in 5G and Beyond Networks

Jue Wang, Xuanxuan Wang외 6명|arXiv (Cornell University)|2021. 05. 24.

UAV Applications and Optimization참고 문헌 192인용 수 15

한 줄 요약

이 논문은 5세대 및 그 이상의 네트워크를 위한 드론 통신에서 물리계층 보안(Power Layer Security, PLS)에 대한 종합적인 서베이를 제공하며, 정적 및 이동성 있는 드론 배치에서의 기밀성 성능을 분석한다. 궤적 최적화, 고유한 공중-지상 채널 특성, 캐싱, MEC 및 기계학습과 같은 고급 기법을 통해 보안을 향상시키며, 향후 연구를 위한 체계적인 프레임워크를 제시한다.

ABSTRACT

Due to its high mobility and flexible deployment, unmanned aerial vehicle (UAV) is drawing unprecedented interest in both military and civil applications to enable agile wireless communications and provide ubiquitous connectivity. Mainly operating in an open environment, UAV communications can benefit from dominant line-of-sight links; however, it on the other hand renders the UAVs more vulnerable to malicious eavesdropping or jamming attacks. Recently, physical layer security (PLS), which exploits the inherent randomness of the wireless channels for secure communications, has been introduced to UAV systems as an important complement to the conventional cryptography-based approaches. In this paper, a comprehensive survey on the current achievements of the UAV-aided wireless communications is conducted from the PLS perspective. We first introduce the basic concepts of UAV communications including the typical static/mobile deployment scenarios, the unique characteristics of air-to-ground channels, as well as various roles that a UAV may act when PLS is concerned. Then, we introduce the widely used secrecy performance metrics and start by reviewing the secrecy performance analysis and enhancing techniques for statically deployed UAV systems, and extend the discussion to a more general scenario where the UAVs' mobility is further exploited. For both cases, respectively, we summarize the commonly adopted methodologies in the corresponding analysis and design, then describe important works in the literature in detail. Finally, potential research directions and challenges are discussed to provide an outlook for future works in the area of UAV-PLS in 5G and beyond networks.

연구 동기 및 목표

• 선로상의 시야가 확보된 환경에서 도청 및 조작 공격에 취약한 드론 통신의 보안 요구 증가에 대응한다.
• 에너지 제약이 크고 고속 이동성이 높은 드론 시스템에서 전통적 암호화 기법의 한계를 규명한다.
• 드론에 특화된 최신 PLS 기법을 서베이하며, 기밀성 성능 분석 및 향상 방법을 포함한다.
• 캐싱 및 모바일 엣지 컴퓨팅(Mobile Edge Computing, MEC)을 통한 드론의 새로운 역할, 예를 들어 우호적 잡음 발생기, 중계기, 보조자 역할을 탐색한다.
• 향후 연구 방향을 요약하며, 기계학습 통합 및 안정적인 드론 네트워크를 위한 하이브리드 최적화 프레임워크를 포함한다.

제안 방법

• 정적 및 이동성 드론 배치 기준으로 드론 통신에서의 PLS에 중점을 둔 체계적인 문헌 리뷰를 수행한다.
• 공중-지상(A2G) 채널에서 일반적인 지표인 에르고딕 기밀용량 및 장애 발생 확률을 사용해 기밀성 성능를 분석한다.
• 드론 이동성과 공간 다변성을 활용해 기밀성을 향상시키기 위해 궤적 최적화를 核심 설계 방법론으로 활용한다.
• LoS 및 비LoS 전파를 포함한 고유한 A2G 채널 특성을 모델링하고, 드론의 진동 및 3차원 노드 분포를 고려한다.
• 데이터 전송을 줄이고 오프로딩을 통해 기밀성을 향상시키기 위해 드론 캐싱 및 MEC와 같은 고급 기법을 통합한다.
• 동적이고 부분적으로 알려지지 않은 환경에서 궤적 및 자원 최적화를 위해 기계학습 기반 접근법, 특히 강화학습을 탐색한다.

실험 결과

연구 질문

• RQ1 드론 이동성은 A2G 채널에서 궤적 최적화를 통해 어떻게 물리계층 보안을 향상시키는가?
• RQ2 5세대 및 그 이상 네트워크에서 정적 및 이동성 드론 배치 간 기밀성 성능의 주요 차이점은 무엇인가?
• RQ3 도청자가 존재하는 환경에서 드론이 우호적 잡음 발생기 또는 중계기로 작동하여 기밀용량을 향상시킬 수 있는 방법은 무엇인가?
• RQ4 드론에 캐싱이 어떻게 통신 기밀성 향상과 도청 노출 감소에 기여하는가?
• RQ5 기계학습 기법은 동적 드론 네트워크에서 저복잡도, 고성능 PLS 설계를 위해 어떻게 활용될 수 있는가?

주요 결과

• 궤적 최적화는 공간 다변성을 활용하고 도청 기회를 최소화함으로써 기밀성 성능을 크게 향상시킨다.
• 선로상의 시야가 확보된 환경에서 드론은 강력한 LoS 링크로 인해 더 높은 도청 위험에 노출되며, 이에 따라 능동적인 PLS 메커니즘이 필요하다.
• 드론에 캐싱을 적용하면 기지국으로의 데이터 전송을 줄일 수 있으며, 이로 인해 정지 상태인 기지국이 우호적 잡음을 발생시켜 기밀성을 향상시킬 수 있다.
• MEC를 통한 드론은 전송할 데이터량을 줄여 도청에의 노출도 감소시키고 전체 기밀성 향상에 기여한다.
• 기계학습 기법, 특히 강화학습은 동적 드론 네트워크에서 복잡한 비볼록 PLS 최적화 문제를 해결하는 데 잠재력이 있다.
• 미래의 통합 위성-드론 네트워크는 노출 증가와 조율 복잡도 증가로 인해 통합된 PLS 설계가 필요하며, 드론이 안정적인 중계기 역할을 할 수 있다.