Метод пространственного противодействия нарушителю в рое беспилотных воздушных судов

   Введение. Развитие технологий децентрализованного управления роями беспилотных воздушных судов требует создания новых методов обеспечения их устойчивости к внутренним угрозам. Наличие в составе роя агента-нарушителя создает угрозы энергетических или информационных атак. Особенно критична ситуация, когда агент-нарушитель находится в центре роя и его влияние на соседей максимально. Существующие исследования в основном сосредоточены на обнаружении агентов-нарушителей, тогда как методы противодействия, в частности — пространственного вытеснения нарушителя из группы, — мало изучены. В работе представлен и проанализирован разработанный метод пространственного противодействия нарушителю, не требующий его явного обнаружения или обмена информацией между агентами.

   Метод. Предлагаемый метод основан на оригинальной идее проведения аналогии между управлением роем беспилотных воздушных судов (агентов) с процессами, происходящими в полупроводниковом кристалле. Противодействие агенту-нарушителю достигается за счет временного изменения агентами определенных параметров роевого взаимодействия. Вследствие этого меняется пространственная структура роя, а нарушитель, не меняющий свои параметры взаимодействия, начинает движение относительно остальных агентов, оказываясь на краю группы. В работе исследованы следующие варианты реализации разработанного метода противодействия, основанные на сжатии, расширении и последовательном перестроении структуры роя.

   Основные результаты. Выполнено имитационное моделирование поведения роя беспилотных воздушных судов в присутствии нарушителя. Показателем результативности применения метода считалась вероятность наличия у агента-нарушителя менее пяти соседних беспилотных воздушных судов, т. е. нахождение агента-нарушителя на краю группы. Наилучший результат (вероятность, близкая к 1,0) продемонстрировал вариант сжатия роя. Вариант расширения роя показал меньшую результативность (негарантированный вариант), вариант последовательного перестроения оказался неэффективным. Показано, что основной вклад в результативность метода вносит степень изменения расстояния между агентами. Метод, реализованный в варианте сжатия роя, показал эффективность для числа агентов в рое от 19 до 91.

   Обсуждение. Предложенный метод позволяет уменьшить вероятность деструктивного влияния нарушителя в рое беспилотных воздушных судов, основываясь только на локальных навигационных данных агентов, не прибегая к обнаружению нарушителя. Это дает возможность применять метод в системах с ограниченными коммуникационными возможностями. Некоторое повышение энергетических затрат может быть снижено путем оптимизации длительности воздействия и сохранения структуры роя.

1. Phadke A., Medrano F.A., Sekharan C.N., Chu T. An analysis of trends in UAV swarm implementations in current research: simulation versus hardware // Drone Systems and Applications. 2024. V. 12. P. 1–10. doi: 10.1139/dsa-2023-0099

2. Cetinsaya B., Reiners D., Cruz-Neira C. From PID to swarms: A decade of advancements in drone control and path planning — A systematic review (2013–2023) // Swarm and Evolutionary Computation. 2024. V. 89. P. 101626. doi: 10.1016/j.swevo.2024.101626

3. Dao N.-N., Pham Q., Tu N., Thanh T.T., Bao V.N.Q., Lakew D.S., Cho S. Survey on aerial radio access networks: toward a comprehensive 6G access infrastructure // IEEE Communications Surveys & Tutorials. 2021. V. 23. N 2. P. 1193–1225. doi: 10.1109/comst.2021.3059644

4. Wang X., Zhao Z., Yi L., Ning Z., Guo L., Richard Yu F., Guo S. A Survey on security of UAV swarm networks: attacks and countermeasures // ACM Computing Surveys. 2024. V. 57. N 3. P. 1–37. doi: 10.1145/3703625

5. Boyko A., Girgidov R. Maintaining the spatial stability of a swarm of autonomous unmanned aerial vehicles // Robotics and Technical Cybernetics. 2021. V. 9. N 2. P. 85–90. doi: 10.31776/rtcj.9201

6. Nie Z., Zhang Q., Wang X., Wang F., Hu T. Triangular lattice formation in robot swarms with minimal local sensing // IET Cyber-Systems and Robotics. 2023. V. 5. N 2. P. e12087. doi: 10.1049/csy2.12087

7. Yao Y. (Elaine), Dash P., Pattabiraman K. Poster: may the swarm be with you: sensor spoofing attacks against drone swarms // Proc. of the ACM SIGSAC Conference on Computerand Communications Security. 2022. P. 3511–3513. doi: 10.1145/3548606.3563535

8. Зикратов И.А., Зикратова Т.В., Лебедев И.С. Доверительная модель информационной безопасности мультиагентных робототехнических систем с децентрализованным управлением // Научно-технический вестник информационных технологий, механики и оптики. 2014. Т. 90. № 2. С. 47–52.

9. Петренко В.И., Тебуева Ф.Б., Стручков И.В., Рябцев С.С. Модель доверенного взаимодействия агентов в децентрализованной киберфизической среде // Вестник Дагестанского государственного технического университета. Технические науки. 2023. Т. 50. № 2. С. 134–141. doi: 10.21822/2073-6185-2023-50-2-134-141

10. Subbarayalu V., Vensuslaus M.A. An intrusion detection system for drone swarming utilizing timed probabilistic automata // Drones. 2023. V. 7. N 4. P. 248. doi: 10.3390/drones7040248

11. Bi S., Li K., Hu S., Ni W., Wang C., Wang X. Detection and mitigation of position spoofing attacks on cooperative UAV swarm formations // IEEE Transactions on Information Forensics and Security. 2024. V. 19. P. 1883–1895. doi: 10.1109/tifs.2023.3341398

12. Mughal U.A., Hassler S.C., Ismail M. Machine learning-based intrusion detection for swarm of unmanned aerial vehicles // Proc. of the IEEE Conference on Communications and Network Security (CNS). 2023. P. 1–9. doi: 10.1109/cns59707.2023.10288962

13. Novák F. Walter V., Petráček P., Báča T., Saska M. Fast collective evasion in self-localized swarms of unmanned aerial vehicles // Bioinspiration and Biomimetics. 2021. V. 16. N 6. P. 066025. doi: 10.1088/1748-3190/ac3060

14. Pfann W.G. Principles of zone-melting // Journal of Metals. 1952. V. 4. N 7. P. 747–753. doi: 10.1007/bf03398137

15. Son J.-H., Ahn H.-S., Cha J. Lennard-jones potential field-based swarm systems for aggregation and obstacle avoidance // Proc. of the 17^th International Conference on Control, Automation and Systems (ICCAS). 2017. P. 1068–1072. doi: 10.23919/iccas.2017.8204374

16. Boyko A., Girgidov R. Key features of a swarm assemlby algorythm for autonomous unmanned aerial vehicles (UAVs) in absence of GNSS and stable radio communication // Robotics and Technical Cybernetics. 2022. V. 10. N 1. P. 25–31. doi: 10.31776/rtcj.10103