Eavesdropping and Anti-Eavesdropping Game in UAV Wiretap System: A Differential Game Approach
Notice bibliographique
Résumé
Despite its advantages of flexility and low-cost networking, unmanned aerial vehicle (UAV) communications face various attacks such as eavesdropping. Existing studies on secure UAV communications assume fixed-location eavesdroppers and rarely consider interactions between legitimate nodes and eavesdroppers. In this paper, we investigate eavesdropping and anti-eavesdropping interaction between a UAV-enabled eavesdropper (UAV-E) and a UAV-enabled base station (UAV-BS) in a downlink wiretap system. The UAV-E aims to wiretap downlink signals by adaptively adjusting its trajectory while the UAV-BS aims to maximize secrecy-sum-rate with minimum power consumption by jointly optimizing user scheduling, power control, and trajectory. Dynamic differential equations are formulated to characterize motions of UAVs, following which a zero-sum differential game is formulated to model the “pursuit-evasion” interaction between the UAV-BS and the UAV-E. Definition and existence of Nash equilibrium (NE) are provided. To obtain the NE, Pontryagins minimum principle is leveraged to solve the trajectory design problem. Further, Gauss-Seidel-like implicit finite-difference method is leveraged to obtain saddle-point strategies at NE. Finally, numerical results are provided to verify the effectiveness of the proposed game model. It is revealed that the differential game can well-characterize the strategy interactions between UAVs. Moreover, results show that the initial positions and weights of UAVs, the energy consumption factor, and the user scheduling have key impacts on motion interactions between the UAV-BS and the UAV-E and further on UAV-BS’s power control.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».