Trust-Aware Deep Policy Routing for Tactical Vehicle Ad Hoc Networks under Joint Mobility and Routing-Plane Attacks
تقدم هذه الورقة البحثية AIRouteOpt، وهو إطار عمل لتوجيه السياسات العميق القائم على الثقة والذي يستفيد من خوارزمية تحسين السياسة القريبة (PPO) لاختيار القفزات التالية ديناميكيًا بناءً على جودة الرابط ودرجات الثقة المحدثة بشكل متكرر، مما يحسن معدلات تسليم الحزم في الشبكات المتنقلة ذات الطوبولوجيا المتغيرة (MANETs) للمركبات التكتيكية بشكل كبير تحت هجمات الحركة وهجمات مستوى التوجيه المشتركة مقارنة بالأساليب التقليدية التي تفتقر إلى الثقة أو تعتمد على العتبات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في البيئة الفوضوية للحروب الحديثة، غالبًا ما تعتمد الاتصالات على مركبات تتحرك بشكل مستقل، مكونةً شبكة مؤقتة دون وجود أبراج ثابتة أو كابلات. هذه الشبكات المتنقلة، المعروفة باسم الشبكات اللاسلكية للمركبات التكتيكية (tactical vehicle ad hoc networks)، تسمح للدبابات والطائرات المسيرة والوحدات الأرضية بمشاركة البيانات الحيوية مثل الخرائط، وقراءات المستشعرات، والأوامر. ومع ذلك، فإن الحفاظ على استمرارية هذه الاتصالات أمر صعب للغاية لأن المركبات في حركة مستمرة، مما يتسبب في انقطاع الروابط بينها وإعادة تشكلها كل بضع ثوانٍ. وما يزيد الأمر سوءًا هو أن العدو يمكنه الاستيلاء على إحدى هذه المركبات وتحويلها إلى جاسوس؛ حيث يمكن لهذه المركبة المستولى عليها أن تكذب بشأن أفضل مسار لانتقال البيانات، مما يخدع الشبكة لإرسال الرسائل إلى طريق مسدود حيث يتم إسقاطها بصمت. ويتمثل التحدي الذي يواجه المهندسين في ابتكار نظام توجيه يمكنه التعامل مع الحركة المستمرة للمركبات بينما يرصد ويتجاهل في الوقت نفسه العقد المخادعة والمستولى عليها.
لقد طور الباحثون نهجًا جديدًا يسمى AIRouteOpt لحل هذه المشكلة المزدوجة. فبدلاً من استخدام قواعد جامدة إما تثق عميًّا في كل جار أو تقطع العلاقة مع أي طرف يبدو مريبًا، يستخدم هذا النظام نوعًا من الذكاء الاصطناعي الذي يتعلم اتخاذ القرارات آنيًا. يراقب النظام ثلاثة أشياء رئيسية لكل مركبة قريبة: جودة الاتصال اللاسلكي، وتاريخ مدى موثوقية ذلك الجار في تمرير الرسائل في الماضي، و"درجة ثقة" محسوبة تتحدث باستمرار. وبدلاً من وضع خط فاصل صارم يكون فيه الجار إما موثوقًا به أو محظورًا، يعامل النظام الثقة كتدريج سلس ومنزلق. فهو يتعلم موازنة مخاطر الجار المخادع مقابل الحاجة إلى دفع البيانات للأمام، ويعدل خياراته لحظة بلحظة مع تغير ساحة المعركة.
اختبر الباحثون هذا النظام في محاكاة حاسوبية مفصلة تحاكي ساحة معركة تتحرك فيها المركبات بسرعات تتراوح بين 5 و30 مترًا في الثانية. وقد أدخلوا أنواعًا مختلفة من الهجمات، بما في ذلك المهاجمين من نوع "الثقب الأسود" (blackhole) الذين يسقطون كل رسالة يتلقونها، والمهاجمين من نوع "الثقب الخاطف" (sinkhole) الذين يكذبون بشأن قربهم من الوجهة لسرقة حركة المرور. وفي هذه المحاكاة، عندما تم الاستيلاء على 20 بالمائة من المركبات وكانت تعمل كأعداء، نجح النظام الجديد في إيصال 63.0 بالمائة من الرسائل. وفي المقابل، كانت الأنظمة التقليدية التي لا تستخدم هذا الذكاء القائم على الثقة توصل حوالي 46 بالمائة فقط من الرسائل. ويظهر هذا التحسن الكبير أن القدرة على كشف وتجنب الجيران الكاذبين هي العامل الأكثر أهمية في الحفاظ على حيوية الشبكة تحت الهجوم.
ومن المثير للاهتمام، وجدت الدراسة أن هذا النظام الذكي المتعلم لم يسلم بالضرورة رسائل أكثر من أفضل نسخة من نظام قديم تم ضبطه يدويًا باستخدام قاعدة القطع الصارمة. فعندما قارن الباحثون الذكاء الاصطناعي الجديد بنظام تقليدي مضبوط جيدًا، أوصل كلاهما تقريبًا نفس كمية البيانات، حوالي 63 بالمائة. ولم تكن الميزة الحقيقية للنظام الجديد في تقديم حجم أكبر من البيانات، بل في كيفية تحقيق تلك النتيجة. فالنظام التقليدي يتطلب عتبة دقيقة ومحددة مسبقًا لتقرير متى يتم قطع الاتصال بجار ما؛ وإذا كان هذا الإعداد خاطئًا قليلاً، فسيفشل النظام تمامًا. أما النظام الجديد فلم يتطلب مثل هذا الإعداد، فقد تعلم التوازن الصحيح تلقائيًا، وتجنب خطر الخطأ البشري في الضبط، واستخدم نطاقًا تردديًا أقل للشبكة للقيام بذلك، مما يجعله أكثر متانة وسهولة في النشر في السيناريوهات الواقعية حيث تكون الظروف غير متوقعة.
كما كشف البحث عن حدود هذه التكنولوجيا. فالنظام يتفوق عندما يكذب المهاجمون بشأن موقعهم لجذب حركة المرور، لكنه يقدم فائدة ضئيلة ضد مهاجمي "الثقب الرمادي" (grayhole) الذين يتميزون بالخفاء حيث يسقطون جزءًا صغيرًا فقط من الرسائل دون الكذب بشأن موقعهم. في هذه الحالات المحددة، يعمل النظام بشكل مشابه سواء استخدم نظام الثقة الجديد أم لا. علاوة على ذلك، أُجريت الدراسة بالكامل من خلال محاكاة حاسوبية؛ وبينما النتائج ذات دلالة إحصائية والنظرية الرياضية وراء النظام سليمة، إلا أنه لم يتم اختبار النظام بعد على أجهزة مادية في الميدان. ويشير الباحثون إلى أن العمل المستقبلي سيشمل اختبار النظام على معدات راديو حقيقية وتطوير دفاعات ضد أعداء أكثر تعقيدًا وتكيفًا.
في الختام، تثبت الورقة البحثية أنه في شبكة متنقلة تحت الهجوم، فإن القدرة على استشعار الثقة هي أهم من الخوارزمية المحددة المستخدمة لاتخاذ القرارات. يثبت النظام الجديد أنه يمكن للشبكة أن تتعلم كيفية التنقل في بيئة معادية من خلال التقييم المستمر لموثوقية جيرانها، بدلاً من الاعتماد على قواعد ثابتة. إنه يقدم مسارًا للمواصلات العسكرية يتسم بالمرونة تجاه الخداع، والتكيف مع الحركة، والخلو من الإعدادات الهشة التي غالبًا ما تتسبب في انهيار الأنظمة القديمة عند مواجهة ظروف غير متوقعة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.