周安馨,武曉含
(陸軍工程大學,江蘇 南京 210007)
目前,無人機通信網絡在軍事行動保障及民用移動通信系統中的應用急劇增加,具有機動性、智能性以及軌跡可控的顯著優勢。但是,無人機網絡的視距通信使它容易受到欺騙、干擾和竊聽等攻擊,加之多用戶條件下無人機傳輸之間的相互干擾,對無人機網絡通信安全造成了嚴重威脅。當無人機遭受嚴重干擾時,它們不再能夠與其他無人機以及控制站點建立連接,導致網絡通信質量下降,甚至無法滿足當前需求,任務中斷。
以跳頻、擴頻為主的傳統抗干擾方法需要大量的頻譜資源作為支撐,且無法應用于網絡頻譜動態變化的場景。當攻擊者采用智能干擾的攻擊方式時,它可以針對合法用戶的動作優化其攻擊策略,使干擾方不再局限于以固定的干擾模式對通信方實施干擾,轉而采用靈巧、多變、復雜的干擾樣式進行干擾,使得傳統抗干擾方法難以適用于智能干擾的場景。因此需要結合無人機的優勢及飛行特點,研究全新的手段和方法來對抗智能干擾。
在通信抗干擾領域,干擾與用戶方存在對抗關系。一方面,可以將這種對抗關系建模成適配的博弈模型;另一方面,可以用智能對抗智能的動態思維探究合適的學習算法。博弈理論憑借其低信息交互量的優勢,被廣泛應用于無線網絡領域。尤其是斯坦伯格博弈,能體現不同參與者之間的對抗關系,更好地進行建模。將博弈論、學習算法以及抗干擾理論相結合,可以更好地研究面向無人機群通信網絡的智能抗干擾方法。
目前,國內外通信抗干擾方法的研究主要集中在干擾模型、干擾檢測方法以及抗干擾手段方面。基于博弈學習的抗干擾技術也有一些新的研究進展,下面從功率域抗干擾技術、頻域抗干擾技術和鏈路域抗干擾技術3個方面對其進行總結歸納。
功率域抗干擾技術通過調整用戶傳輸功率的方式對抗惡意干擾攻擊,在干擾動態變化的條件下獲得最優的抗干擾效果。文獻[1-3]采用無線網絡中的功率控制策略對抗干擾,提出了一種非零和博弈模型來建模合法用戶和干擾者之間的關系。考慮到用戶和干擾決策具有分層特性,斯坦伯格博弈可以用來對抗干擾問題進行建模[4-7]。文獻[4-5]中將抗干擾問題建模為斯坦伯格博弈,并進行了抗干擾功率決策研究。在所提斯坦伯格博弈中,合法用戶作為博弈的領導者,干擾者作為博弈的追隨者。合法用戶和惡意干擾者都希望通過調整各自的功率策略實現各自效用的最大化。對抗雙方的功率策略隨著敵方策略的調整做出相應的調整。
在認知無線電技術領域,一些研究者關注用戶間的干擾消除問題,并用博弈論對干擾消除問題進行建模,采用博弈學習算法進行求解[8-10]。但是,文獻[8-10]只考慮了內部合法用戶間互擾消除,并沒有考慮如何對抗外部惡意干擾者。考慮到惡意干擾者的存在,文獻[11]將認知無線電中合法用戶與外部干擾者的對抗用博弈論進行建模。文獻[12]則將認知無線電中存在惡意干擾者的次級用戶信道選擇問題建模為零和博弈。文獻[13]提出了一種抗干擾隨機博弈,并考慮了無線通信網絡中的時變頻譜環境。文獻[14]提出一種非合作博弈對分布式跳頻碰撞避免問題進行建模,并設計學習算法選擇合適的頻率集和跳頻序列。
文獻[15]在干擾環境不可預測的情形下,研究了中繼通信信道選擇優化策略。文獻[16]將能量約束下的中繼選擇和功率優化問題構建為一個勢能博弈,得到了多個純策略納什均衡解和最優策略集。文獻[17]研究了車載網中的協同中繼傳輸問題。文獻[18]在降低算法復雜度的同時獲得了分布式無線通信網絡中的最優聯合策略。文獻[19]考慮中繼協助源節點進行抗干擾通信,將此中繼協同抗干擾問題建模為一個3層的斯坦伯格博弈。不同于傳統的兩層博弈,源節點作為主領導者,協同中繼作為次領導者,惡意干擾作為追隨者。各級用戶分別在已知下層用戶和干擾策略的情況下選擇能夠實現效用最大化的策略,實現了協作抗干擾通信。
綜上,現有抗干擾研究仍然存在以下問題:
(1)現有研究大多針對傳統無線通信網絡,少有針對無人機通信網絡開展的相關研究;
(2)現有抗干擾研究通常考慮單用戶、單干擾的場景,少有考慮多用戶抗干擾場景,也并未考慮多用戶間存在互擾及用戶移動性帶來的影響;
(3)現有研究大多針對功率域問題,鮮有考慮其他域如信道域、軌跡域等的研究,較少考慮多域聯合抗干擾,即在多個維度采用多種抗干擾方法靈活對抗干擾;
(4)現有研究大多針對內部干擾或者外部固定模式惡意干擾,較少考慮智能干擾下的抗干擾問題。
抗智能干擾方面,無人機具有機動性、智能性以及軌跡可控等特點,為無人機協同傳輸增加了可利用和可優化的動態資源。“機動性”使得無人機可以進行位置部署優化和移動中繼選擇最大化用戶的通信能力;“智能性”使無人機可以智能調整協同方式、友好干擾功率大小和其他可優化的策略來最大化對智能攻擊者的對抗;“軌跡可控”使得無人機可以通過調整其飛行軌跡對抗智能攻擊者位置隱蔽性和移動性帶來的傷害,提升用戶在未知攻擊位置下的穩健通信能力。
智能干擾下,干擾者通常可以通過自適應地調整其干擾功率和干擾信道來最大化其對合法用戶正常通信的破壞。合法用戶也可以通過功率控制和信道分配等策略來對抗智能干擾者。此外,友好干擾和協同中繼等協作節點的引入能進一步增強合法用戶的抗智能干擾能力。由于智能干擾者和合法用戶是完全對立且非合作的,因此很難獲取其干擾策略和位置信息等。為了對抗這種可以采用不同干擾策略的智能攻擊者,合法用戶可以借助博弈論建模它們之間的對抗關系,并通過機器學習算法獲取最佳的功率分配和信道接入等對抗策略。
文獻[20]提出一種使用無人機作為中繼為車聯網中的車載單元傳輸信息的方案,提高了車聯網在干擾下的通信性能,并提出了抗干擾無人機中繼博弈模型。文獻[21]研究無人機功率控制抗干擾問題,分別用動態博弈和靜態博弈對該問題進行建模,并采用Q學習算法求解無人機抗干擾功率決策。文獻[22]假設地面攻擊者是可以根據無人機的航跡來調整其干擾功率的智能干擾者,而合法用戶也具有一定的智能性,它們都基于深度Q網絡來優化各自的運動軌跡,通過各自的策略迭代最終使得合法用戶獲得優于傳統抗智能干擾技術的性能。
目前,采用無人機協同傳輸來對抗智能干擾的研究尚處于起步階段。通過調研,本文擬從以下兩個方面展開研究。
為了對抗智能干擾者,采用的第一種無人機協同傳輸方案是在無人機網絡飛行軌跡固定的情況下,通過協同中繼的選擇和聯合發射無人機和中繼無人機的功率控制策略調整來提升合法無人機網絡的可靠通信,如圖1所示。
(1)智能干擾下的無人機協同傳輸中的單跳移動中繼優選。考慮攻擊者工作在智能干擾模式下,可以通過調整干擾功率等策略降低無人機用戶的傳輸速率。在無人機的飛行軌跡是預定且已知的情況下,擬將無人機動過程中的移動中繼節點選擇問題建模為動態斯坦伯格博弈,研究分布式、快速的無人機單跳中繼選擇策略。根據預知的飛行軌跡指導中繼節點選擇決策,充分利用無人機飛行過程中所帶來的中繼傳輸機會,協助增強智能干擾下的無人機用戶的通信能力。
(2)智能干擾下的無人機協同傳輸中的多跳中繼協同。考慮智能干擾者干擾策略的智能調整,在無人機的飛行軌跡是預定且已知的情況下,擬將無人機網絡拓撲動態變化的多跳中繼選擇問題建模為多層動態斯坦伯格博弈,研究可擴展的無人機網絡多跳中繼協同策略。
第二種無人機協同對抗智能干擾的方案是通過無人機的航跡控制和功率控制來提升其對抗智能干擾的能力。假設無線通信系統中存在無人機用戶和智能干擾者。無人機用戶的目的是在飛往其目的地的過程中保持與接收無人機的通信。同時,用戶在各個時間段有不同的可選飛行軌跡,將聯合軌跡優化和功率控制抗干擾問題建模為斯坦伯格博弈,設計相關算法得出用戶不同策略下的累積效用,進而選擇最優功率策略和軌跡策略對抗智能干擾者的攻擊。這種無人機收發協同傳輸聯合優化方案,如圖2所示。
總結無人機網絡抗智能干擾方面的相關研究發現,基于博弈學習的無人機協同傳輸抗干擾技術已經取得了一些成果,但是針對智能干擾者干擾方式動態變化、干擾策略快速調整和干擾位置隱蔽等特點,仍存在一些亟待解決的問題:
(1)沒有充分考慮攻擊者的智能性和攻擊策略改變的靈活性;
(2)合法用戶和智能攻擊者之間的對抗大多在完美信息條件下進行研究,較少考慮動態變化和不完全信息條件下的安全可靠通信;
(3)無人機協同傳輸的優勢還沒有充分被發掘,具體表現為網絡協作規模較小,沒有發揮規模龐大的無人機群體智能優勢。
在面向智能攻擊時,依靠無人機智能決策,采用無人機網絡的協作傳輸,是對抗智能攻擊者一個有效手段。
利用無人機網絡智能協同來提升安全穩健的通信具有廣闊的發展前景。
(1)隨著智能干擾技術的發展,尤其是在融入了人工智能和通信對抗技術后,具備感知、學習和決策能力的智能干擾設備將成為通信對抗領域的重要對手。因此,研究智能干擾下的基于博弈學習的對抗方法是未來值得關注的研究方向。
(2)在研究無人機協同傳輸抗干擾問題時,充分發掘無人機通信機動性、智能性和軌跡可控的優勢,考慮環境動態變化、信道狀態信息不完美等條件下的穩健可靠通信具有重要的現實意義。
(3)為了進一步提高無人機通信網絡抗干擾的有效性,可以考慮在多個維度靈活采用多種類型的抗干擾策略,研究面向無人機通信網絡的多域聯合抗干擾方法。考慮到目前無人機網絡協作規模比較小和抗干擾手段單一的情況,研究大規模的無人機集群通信網絡多域聯合抗干擾方法會是一個具有挑戰的研究方向。
探究無人機通信網絡的抗智能干擾方法,通過博弈學習的方法,從協同中繼、功率控制和軌跡優化等方面研究無人機協同傳輸抗干擾技術。針對目前抗智能干擾方面的局限性,提出在多個維度靈活采用多種類型的抗干擾策略相關前景展望,研究如何進一步提高未來無人機群協同抗智能干擾的有效性。