.png){kind=icon}
返回
A Secure Data Collection Method Based on Deep Reinforcement Learning and Lightweight Authentication
.png){kind=icon}
OA
AI
DOI：10.3390/wevj16050281.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
协同无人机（UAV）技术能够显著提升物联网（IoT）环境中的数据采集效率，这些环境具有地面设备分布广泛且容量有限的特点。然而，由于无线通信的开放性，此类应用面临来自无人机认证的安全威胁，尤其是在可扩展的IoT环境中。为应对此类挑战，我们提出了一种面向可扩展IoT环境的轻量级链式认证协议（LCAP-SIoT），该协议利用物理不可克隆函数（PUFs）和分布式认证来保障通信安全，并提出了一种名为LS-QMIX的安全数据收集算法，该算法融合了LCAP-SIoT与Q-learning Mixer（QMIX）算法，以优化多无人机系统的路径规划与合作效率。根据仿真分析，LCAP-SIoT在计算和通信成本方面优于现有方案，而LS-QMIX在数据收集率、任务完成时间和新加入UAV的认证成功率方面表现出更优性能，表明LS-QMIX在动态扩展场景中的可行性。
Keyword:
data collection
UAV
multi-agent reinforcement learning
lightweight authentication
scalable IoT
期刊
IF:
2.6
论文数:
1.9K
被引数:
3.8K
机构
引用论文
A Lightweight Authentication Protocol for UAV Networks Based on Security and Computational Resource Optimization基于安全和计算资源优化的无人机网络轻量级认证协议.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Internet of Robotic Things: Current Technologies, Challenges, Applications, and Future Research TopicsSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏TCALAS: Temporal Credential-Based Anonymous Lightweight Authentication Scheme for Internet of Drones EnvironmentTCALAS: 无人机互联网环境下基于时间凭证的匿名轻量级认证方案
PREAI
分享收藏
查看更多内容