راهکارهای هوش مصنوعی و ترکیب چند حسگر برای امنیت شبکه های پهپادی

با رشد سریع فناوری های ارتباطی و سامانه های خودکار پهپادها به بخش مهمی از زیرساخت های هوشمند تبدیل شده اند. با وجود مزایای فراوان شبکه های پهپادی (FANET) با چالش های امنیتی جدی مانند تحرک بالا، تغییر توپولوژی و حملات سایبری مواجه اند. روش های سنتی امنیتی پاسخگوی نیازهای این شبکه ها نیستند. در این مقاله راهکارهای نوین مبتنی بر یادگیری ماشین و ترکیب چند حسگر برای تشخیص و مقابله با پهپادها بررسی شده اند. سیستم های چندوجهی با ادغام داده های رادار، صوتی، تصویری و فرکانس رادیویی دقت تشخیص را افزایش می دهند، همچنین روش های مقابله شامل تشخیص، شناسایی و خنثی سازی تهدیدات با استفاده از تکنیک هایی مانند Spoofing، Jamming و روش های فیزیکی تحلیل شده اند. مدل های سبک وزن مانند MobileNet و TinyML، فشرده سازی مدل ها و استقرار هیبریدی راهکارهایی برای کاهش مصرف انرژی و افزایش کارایی هستند. پروژه های Sky Shield و Drone Sentinel نشان دادند که ترکیب هوش مصنوعی با الگوریتم های امنیتی حتی در پهپادهای کوچک نیز عملی و موثر است. در نهایت مسیرهای پژوهشی آینده شامل یادگیری فدرال، شبکه های خودسازمانده و مدیریت انرژی هوشمند پیشنهاد شده اند.

Keywords:

هوش مصنوعی (Artificial Intelligence) , یادگیری ماشین (Machine Learning) , شبکه های پهپادی (FANET) , امنیت سایبری (Cybersecurity) , ترکیب چند حسگر Multisensor Fusion , مدل های سبک وزن (Lightweight Models / TinyML)