UAV/HAP 기반 보안 및 자원할당 최적화 연구(양자 어닐링·강화학습)

Secure UAV/HAP Wireless Resource Allocation Optimization (Quantum Annealing & Deep Reinforcement Learning)

연구 내용

UAV 또는 HAP 기반 무선 네트워크에서 보안과 성능을 동시에 만족하도록 자원할당과 클러스터링을 최적화하는 연구

UAV 또는 HAP가 통신 커버리지를 제공하는 시나리오에서 보안 위협과 전송 성능의 동시 최적화를 다룹니다. 불법 도청자를 방해하기 위한 친화적 재밍을 포함한 협력형 통신 구조를 모델링하고, 에너지 수확 및 중계 프로토콜을 결합해 운용 가능한 설계 지침을 도출합니다. 또한 다중 UAV 환경의 합 전송률을 높이기 위해 클러스터링과 자원 배분을 조합 최적화 문제로 정식화하고, 양자 어닐링 기반의 근사 해결 절차를 적용합니다. HAP-THz-NOMA에서는 딥강화학습으로 장기 보상을 최대화하는 자원·제어 파라미터 결정을 수행합니다.

관련 프로젝트

1건

연구 흐름

초기에는 UAV 보안 통신을 중심으로, 협력 재밍과 에너지 수확을 함께 고려한 전송 구조를 제안했습니다. 이후에는 다중 UAV 네트워크의 최적화 문제를 조합 형태로 모델링하고, 양자 어닐링 기반 접근을 통해 계산 복잡도를 완화하면서도 합 전송률을 개선하는 방향으로 연구를 확장했습니다. 병행하여 HAP 기반 THz-NOMA 시스템에서는 네트워크 동역학과 연속 의사결정 변수를 반영하기 위해 딥강화학습 기반 제어·자원할당 프레임을 구성했습니다. 최종적으로 양자 소프트웨어 기술을 활용한 최적화 연구로 연결하는 흐름을 유지했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

친화적 재밍 기반 보안 중계
UAV 협력형 통신 자원 설계
멀티-UAV 합 전송률 최적화
양자 어닐링 기반 무선 최적화
THz-NOMA HAP 제어 정책
딥강화학습 기반 장기 보상 자원할당
에너지 수확 연동 통신 스케줄
클러스터링-자원할당 동시 최적화
무선 네트워크 동역학 적응 제어
도청 위험 완화 성능 평가 모듈