最近无人驾驶飞行器(UAV)能力的进步导致对蜂群系统的研究越来越多。然而,无人机群的战术应用将需要安全通信。不幸的是,到目前为止的努力还没有产生可行的安全通信框架。此外,这些系统的特点是有限的处理能力和受限的网络环境,这使得许多现有的安全群体通信协议无法使用。最近在安全群组通信方面的研究表明,消息层安全(MLS)协议可能为这些类型的系统提供一个有吸引力的选择。这篇论文记录了MLS与先进机器人系统工程实验室(ARSENL)无人机群系统的整合情况。ARSENL的实施是为了证明MLS在安全蜂群通信中的功效,是一个概念验证。实施的测试结果是在模拟环境中进行的实验和用物理无人机进行的实验。这些结果表明,MLS适用于蜂群,但需要注意的是,测试中没有实施交付机制以确保数据包的可靠交付。对于未来的工作,如果要维持一个可靠的MLS系统,需要缓解不可靠的通信路径。

引言

目前,无人驾驶飞行器(UAVs)的进步已经导致了对蜂群能力的研究。目前,多无人机群已被建议或用于一系列广泛的应用,包括但不限于: 1:

  • 摄影 [1]
  • 电影制作[1]。
  • 野火监测[2]
  • 农业[1], [3]
  • 遥感和测绘[4]
  • 环境监测 [5]
  • 建筑 [6]
  • 无人机送货服务 [7]
  • 自然灾害管理和恢复 [8]
  • 军事行动和防御 [9]

无人机群的战术利用将取决于安全通信。不幸的是,单个蜂群平台的处理能力有限,而且蜂群系统通常依赖于带宽有限且可能不可靠的通信框架。这些限制使这些系统满足安全要求的能力受到质疑。

以前的设备群通信安全方法不太可能适用于现有或设想中的蜂群系统。然而,最近对安全群组通信的研究表明,消息层安全(MLS)协议[10]可以提供一个有吸引力的选择,其特点似乎特别适合这些类型的系统。该协议提供了一种有效的计算方法来实现异步安全的群体密钥管理,但需要在现实的系统中进行实验,以评估该协议在这些计算和通信有限的环境中的功能。这项工作是在海军研究生院(NPS)高级机器人系统工程实验室(ARSENL)的无人机群中实施MLS协议,以保护特定的信息流。

1.1 问题说明

NPS ARSENL开发并利用了一个无人驾驶飞行器(UAV)群系统,该系统已经成功地演示了多达50个UAV[11]。尽管这种能力为军事行动提供了巨大的潜力,但ARSENL系统缺乏最终在现实世界中使用所需的通信安全功能。本论文在ARSENL蜂群系统上实现了MLS,以评估其对此类系统更广泛的适用性。

MLS提供了一些与多无人机系统特别相关的能力。MLS提供了一个动态添加和删除成员的机制,同时不断地在群组成员之间提供安全的通信。由于无人机群成员可能是高度动态的,添加和删除群成员是很重要的能力。随着蜂群规模的增加,群体安全协议必须有效地扩展。同样有利的是,MLS协议有利于强制移除已经被劫持的、被破坏的或发生故障的无人机。在这些情况下,该协议为小组提供了更新通信密钥的手段,以排除被破坏或故障的无人机。本论文旨在解决以下问题:

1.MLS协议能否适用于ARSENL无人机群的使用?

2.MLS对ARSENL无人机群的性能有何影响?

3.ARSENL无人机能否加入群组并与群组的其他成员安全地进行通信?

4.小组密钥是否能够通过不可靠的ARSENL蜂群网络定期更新?

5.在出现纰漏或其他标准的情况下,是否可以将无人机从ARSENL群中移除,不再解密信息?

1.2 范围

在本论文中,研究了在NPS ARSENL无人机群中使用MLS作为一个连续的组密钥协议。来自MLS GitHub仓库[12]的社区维护的C++代码被调整为纳入ARSENL蜂群系统代码库。特别是,MLS组的密钥更新、成员添加和成员删除等操作被实现和测试。该研究包括分析MLS协议的使用对ARSENL蜂群性能的影响。指标包括各个无人机之间的数据包传输和接收率、可扩展性和时间。

1.3 论文组织

本文的其余部分分为四章。第二章提供了理解MLS和无人机群的必要背景信息。这包括讨论多无人机群和常见的群组通信架构,ARSENL群组系统,以及潜在的安全通信方法,包括成对和分组协议。本章最后讨论了MLS和它是如何工作的。

第三章描述了代码开发过程。它首先总结了ARSENL机载软件的机器人操作系统(ROS)框架和用于实现MLS功能的C++应用编程接口(API)。然后,本章讨论了代码的实现,包括代码概述和讨论将MLS集成到ARSENL蜂群中的经验教训。

第四章讨论了MLS实现的实验,并分析了它对各个ARSENL蜂群平台的影响,这些影响受蜂群大小和密钥更新率的影响。本章包括对测试过程的描述和对结果的描述。

最后,第5章提供了一个结论,包括本研究的意义和对未来工作的建议。

成为VIP会员查看完整内容
42

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《多维度剖析大规模网络的网络威胁》83页论文
专知会员服务
31+阅读 · 2023年7月29日
《低成本无人机蜂群实时目标检测应用》96页论文
专知会员服务
99+阅读 · 2023年4月24日
综述 | 分布式GNN训练算法和系统,35页pdf
图与推荐
5+阅读 · 2022年11月2日
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
147+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员