Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

From Static to Adaptive Defense: Federated Multi-Agent Deep Reinforcement Learning-Driven Moving Target Defense Against DoS Attacks in UAV Swarm Networks

Created by
  • Haebom

저자

Yuyang Zhou, Guang Cheng, Kang Du, Zihan Chen, Tian Qin, Yuyu Zhao

개요

본 논문은 무인 항공기(UAV) 군집 환경에서의 저고도 네트워크에 대한 서비스 거부(DoS) 공격을 완화하기 위한 새로운 연합 다중 에이전트 심층 강화 학습(FMADRL) 기반 이동 목표 방어(MTD) 프레임워크를 제안한다. UAV의 개방형 무선 환경, 동적 토폴로지 및 자원 제약으로 인한 DoS 공격 위협에 대응하기 위해, 리더 전환, 경로 변이, 주파수 호핑과 같은 경량의 조정된 MTD 메커니즘을 설계하였다. 다중 에이전트 부분 관측 마르코프 결정 과정(POMDP)으로 방어 문제를 공식화하여, 공격 하에서 UAV 군집의 불확실성을 포착하고, 각 UAV는 부분 관측과 지역적 경험에 기반하여 자율적으로 MTD 액션을 선택하는 정책 에이전트를 갖춘다. 정책 경사 기반 알고리즘을 사용하여 UAV는 보상 가중 집계를 통해 정책을 공동으로 최적화한다. 시뮬레이션 결과, 제안된 방법이 최첨단 기준선보다 공격 완화율을 최대 34.6% 향상시키고, 평균 복구 시간을 최대 94.6% 단축시키며, 에너지 소비 및 방어 비용을 각각 최대 29.3% 및 98.3% 감소시키는 것을 보여준다.

시사점, 한계점

•
시사점:
◦
저고도 네트워크에서의 DoS 공격에 대한 효과적인 방어 메커니즘으로서 FMADRL 기반 MTD 프레임워크의 가능성을 제시한다.
◦
리더 전환, 경로 변이, 주파수 호핑 등의 경량화된 분산 방어 메커니즘의 효율성을 검증한다.
◦
다양한 DoS 공격 전략에 대한 높은 적응력과 효과적인 완화율을 보여준다.
◦
에너지 효율성 및 비용 효율성을 동시에 달성한다.
•
한계점:
◦
시뮬레이션 환경에 국한된 결과이며, 실제 환경에서의 성능 검증이 필요하다.
◦
다양한 유형의 DoS 공격에 대한 일반화 가능성에 대한 추가 연구가 필요하다.
◦
UAV의 통신 지연 및 통신 오류 등 실제 환경의 제약 조건에 대한 고려가 추가적으로 필요하다.
◦
대규모 UAV 군집에 대한 확장성 평가가 필요하다.
👍
Made with Slashpage