DATAMUt: Deterministic Algorithms for Time-Delay Attack Detection in Multi-Hop UAV Networks

要約

無人航空機（UAV）は、ドローンとしても知られており、農業、緊急対応、捜索救助活動などのさまざまな分野で人気を博しています。
UAVネットワークは、ワームホール、ジャミング、スプーフィング、誤検出データインジェクションなど、いくつかのセキュリティの脅威に敏感です。
時間遅延攻撃（TDA）は、悪意のあるUAVが意図的にパケット転送を遅らせるユニークな攻撃であり、特に時間に敏感なアプリケーションで大きな脅威をもたらします。
UAVネットワークの動的な性質、断続的なワイヤレス接続、またはマルチホップ通信中のストアキャリーフォワード（SCF）メカニズムにより、悪意のある遅延を良性ネットワーク遅延と区別することは困難です。
いくつかの既存の作品は、計算的に集中的であり、大きなメッセージオーバーヘッドを持っているTDAを検出するための機械学習ベースの集中アプローチを提案しています。
このホワイトペーパーでは、ネットワークの時間的ダイナミクスが加重タイムウィンドウグラフ（Twig）で表される新しいアプローチDatamutを提案し、UAVがグローバルおよびローカルネットワークの知識を持っている場合にTDAを検出するために2つの決定論的多項式時間アルゴリズムが提示されます。
シミュレーションの研究では、提案されたアルゴリズムが、既存のアプローチと比較して、グローバルおよびローカルの知識でそれぞれ5倍と12倍のメッセージオーバーヘッドを減少させたことを示しています。
さらに、当社のアプローチは、グローバルおよびローカルの知識でそれぞれ約860および1050倍短い時間を達成し、既存の方法を上回ります。

要約(オリジナル)

Unmanned Aerial Vehicles (UAVs), also known as drones, have gained popularity in various fields such as agriculture, emergency response, and search and rescue operations. UAV networks are susceptible to several security threats, such as wormhole, jamming, spoofing, and false data injection. Time Delay Attack (TDA) is a unique attack in which malicious UAVs intentionally delay packet forwarding, posing significant threats, especially in time-sensitive applications. It is challenging to distinguish malicious delay from benign network delay due to the dynamic nature of UAV networks, intermittent wireless connectivity, or the Store-Carry-Forward (SCF) mechanism during multi-hop communication. Some existing works propose machine learning-based centralized approaches to detect TDA, which are computationally intensive and have large message overheads. This paper proposes a novel approach DATAMUt, where the temporal dynamics of the network are represented by a weighted time-window graph (TWiG), and then two deterministic polynomial-time algorithms are presented to detect TDA when UAVs have global and local network knowledge. Simulation studies show that the proposed algorithms have reduced message overhead by a factor of five and twelve in global and local knowledge, respectively, compared to existing approaches. Additionally, our approaches achieve approximately 860 and 1050 times less execution time in global and local knowledge, respectively, outperforming the existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google