Enhancing Privacy and Security of Autonomous UAV Navigation

要約

自律型無人航空機 (UAV) は、防衛、法執行、災害対応、製品配送において不可欠なツールとなっています。
これらの自律ナビゲーション システムには無線通信ネットワークが必要で、最近ではディープラーニング ベースになっています。
国境警備や災害対応などの重要なシナリオでは、自律型 UAV の安全なナビゲーションを確保することが最も重要です。
しかし、これらの自律型 UAV は、通信ネットワークや深層学習モデルを介した敵対的攻撃 (盗聴、中間者、メンバーシップ推論、再構成) の影響を受けやすくなっています。
この脆弱性に対処するために、安全な自律 UAV ナビゲーションのために強化学習 (RL) と完全準同型暗号化 (FHE) を組み合わせた革新的なアプローチを提案します。
このエンドツーエンドの安全なフレームワークは、UAV カメラでキャプチャされたリアルタイムのビデオ フィード用に設計されており、FHE を利用して暗号化された入力画像の推論を実行します。
FHE では暗号化されたデータの計算が可能ですが、特定の計算演算子はまだ実装されていません。
畳み込みニューラル ネットワーク、完全接続ニューラル ネットワーク、アクティベーション関数、OpenAI Gym Library が FHE ドメインに細心の注意を払って適合され、暗号化されたデータ処理が可能になります。
私たちは広範な実験を通じて、提案したアプローチの有効性を実証します。
私たちが提案するアプローチは、パフォーマンスの損失を無視して、自律 UAV ナビゲーションにおけるセキュリティとプライバシーを確​​保します。

要約(オリジナル)

Autonomous Unmanned Aerial Vehicles (UAVs) have become essential tools in defense, law enforcement, disaster response, and product delivery. These autonomous navigation systems require a wireless communication network, and of late are deep learning based. In critical scenarios such as border protection or disaster response, ensuring the secure navigation of autonomous UAVs is paramount. But, these autonomous UAVs are susceptible to adversarial attacks through the communication network or the deep learning models – eavesdropping / man-in-the-middle / membership inference / reconstruction. To address this susceptibility, we propose an innovative approach that combines Reinforcement Learning (RL) and Fully Homomorphic Encryption (FHE) for secure autonomous UAV navigation. This end-to-end secure framework is designed for real-time video feeds captured by UAV cameras and utilizes FHE to perform inference on encrypted input images. While FHE allows computations on encrypted data, certain computational operators are yet to be implemented. Convolutional neural networks, fully connected neural networks, activation functions and OpenAI Gym Library are meticulously adapted to the FHE domain to enable encrypted data processing. We demonstrate the efficacy of our proposed approach through extensive experimentation. Our proposed approach ensures security and privacy in autonomous UAV navigation with negligible loss in performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google