无人机隐蔽通信网络的拓扑生成：一种带有激励机制的图扩散方法.pdfVIP

无人机隐蔽通信网络的拓扑生成：一种带有

激励机制的图扩散方法

12113411

XinTang,QianChen,FengshunLi,YouchunGong,YinqiuLiu,WenTian,ShaowenQin,XiaohuanLi

1GuangxiUniversityKeyLaboratoryofIntelligentNetworkingandScenarioSystem(

SchoolofInformationandCommunication),GuilinUniversityofElectronicTechnology,Guilin,China

2SchoolofArchitectureandTransportationEngineering,GuilinUniversityofElectronicTechnology,Guilin,China

3CollegeofComputingandDataScience,NanyangTechnologicalUniversity,Singapore

4

Email:{tangx,chenqian}@,{lfsguet,gycguet}@163.com,yinqiu001@.sg,

本csusttianwen@163.com,qinsw@,*lxhguet@

译

中摘要—随着无人驾驶航空器(UAV)网络在城市监控、应急蔽通信框架，联合优化三维飞行路径和传输功率，并具

1响应和安全感知等敏感应用中的需求不断增长，确保可靠的连接有稳健的防检测、因果性和避碰约束条件。[5]中的作者

v性和隐蔽通信变得越来越重要。然而，动态移动性和暴露风险带提出了一种安全的ISAC框架，采用两种扩散模型激活

6

4来了巨大的挑战。为了解决这些问题，本文提出了一种结合基于链路并生成屏蔽信号，减轻未经授权的信道状态信息感

7图扩散的策略优化(GDPO)与斯塔克尔伯格博弈(SG)激励机

6制的自组织UAV网络框架。GDPO方法利用生成式AI动态知。因此，设计一种自我适应、可扩展且分区容忍的拓

0.生成稀疏但连接良好的拓扑结构，使网络能够灵活适应节点分布扑生成方法对于提高网络协调能力至关重要。

8

0和地面用户(GU)需求的变化。同时，基于斯塔克尔伯格博弈无人机网络中的连接模式、通信链路和中继行为很

5(SG)的激励机制引导自我利益驱动的UAV选择支持合作并增

2强隐蔽通信行为的中继行为和邻近链接。进行了广泛的实验来验容易被窃听者利用来进行流量分析、位置跟踪或在信息

:收集和区域监控[6]等敏感任务期间推断链接。为此，

v证所提出框架在模型收敛性、拓扑生成质量和隐蔽通信性能提升

i方面的有效性。[7]中的作者提出了一种两阶段无人机群系统，使用多

x

r

aIndexTerms—无人航空器（UAV），拓扑生成，隐蔽通智能体生成扩散模型辅助的深度确定性策略梯度方法

信，图扩散（GD），斯塔克伯格博弈（SG），激励机制进行管道深度神经网络任务分配和飞行路径规划。不幸

的是，过多的直接邻居、过于集中的连接或可预测的中

I.介绍继行为使得外部观察者更容易推断出网络规模和个人

无人飞行器（UAVs）预计将广泛用于城市检查、紧角色，可能导致信息泄露或任务中断。[8]中的作者提

急救援和区域传感应用[1]。因此，在动态分布环境中出了一种无人机辅助合同理论模型，以激励诚实的秘密

建立高效的自组织合作无人机网络已成为业界和学术数据传输任务，并在信息不对称约束下提高吞吐量。然

界的中心挑战。