강화 학습 기반 UAV 보안 오프로딩 및 모드 전환 제어

Reinforcement Learning based UAV Secure Offloading and Mode Switching Control

연구 내용

무인항공기 기반 보안 오프로딩에서 Relay Mode와 Jamming mode를 하이브리드 노드로 전환하고, 궤적·사용자 오프로딩 여부를 강화 학습으로 최적화하는 보안 전송 연구

무인항공기를 보안 릴레이/재밍 보조 노드로 활용하여 보안 전송 성능을 확보하는 연구를 수행합니다. 보안 모드 전환이 가능한 하이브리드 노드 구성을 전제로, 강화 학습 기반으로 헬퍼 비행체의 보안 모드와 궤적, 사용자의 오프로드 여부를 동시에 최적화합니다. 이를 통해 사용자-송신-비행체-수신의 통신 조건 변화에 따라 보안 전송률과 보안 에너지 효율을 고려한 자원 선택이 가능하도록 설계합니다.

관련 프로젝트

3건

연구 흐름

초기에는 셀룰러 보안 환경에서 공모 방해자 개념과 스펙트럼 리싱(spacpectrum leasing) 기반 물리계층 보안 빔포밍 설계로 보안 전송 성능의 구조를 정립했습니다. 이후 공동측위와 전송을 함께 고려하는 신호처리 및 위치 추정 연구로 확장되었고, 다중정합/레이더 연계 통신 최적화로 이어졌습니다. 2022년 이후에는 UAV와 공중 채널을 활용한 보안 오프로딩 및 에너지 효율 최적화로 전환하였으며, 2023년부터는 Pre-6G/6G 3CLS 환경에서 통신·컴퓨팅·제어·측위·센싱을 아우르는 학습 기반 최적화 방향으로 연구를 수행합니다.

활용 가능성

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

무인항공기 보안 오프로딩 프레임워크
Relay/Jamming 하이이브리드 모드 제어
궤적 기반 보안 전송률 최적화
오프로드 스케줄링 및 사용자 선택
보안 에너지 효율 기반 자원할당
재밍 환경 견고 전송 정책
엣지 컴퓨팅 보안 정책
공중-지상 통신 보안 프로토콜
실시간 학습 기반 안전 통신
UAV 보안 링크 성능 추정 모델