=== RESUMO ===

Resumo Técnico: Roteamento de Política Profunda Consciente de Confiança para Redes Ad Hoc de Veículos Táticos

1. Declaração do Problema

As Redes Ad Hoc Móveis (MANETs) de Veículos Táticos enfrentam um desafio duplo que compromete a comunicação de missão crítica:

1. Mudança Induzida por Mobilidade (Churn): Veículos movendo-se a 5–30 m/s causam falhas rápidas de link (tempo de vida do link de 1–5 s), forçando protocolos reativos a redescobrir rotas constantemente e protocolos proativos a inundar o tráfego de controle.
2. Ataques no Plano de Roteamento: Nós capturados podem manipular métricas de roteamento para atrair tráfego e, então, descartar pacotes. As ameaças específicas incluem:
   • Blackhole (Buraco Negro): Anuncia um caminho barato (ex: contagem de saltos 1) e descarta todo o tráfego.
   • Sinkhole (Buraco de Afundamento): Anuncia métricas infladas para atrair fluxos e, em seguida, os descarta.
   • Grayhole (Buraco Cinza): Descarta uma fração específica de pacotes enquanto anuncia métricas honestas (furtivo).
   • Sybil: Múltiplas identidades (não avaliado neste estudo).

Soluções existentes falham ao não abordar ambos simultaneamente. O roteamento geográfico ignora adversários; extensões de confiança baseadas em limiares (ex: Trust-AODV) assumem topologias estáticas e dependem de limiares de exclusão "tudo ou nada" frágeis; e roteadores padrão de Aprendizado por Reforço Profundo (DRL) otimizam para vazão em ambientes benignos, mas não conseguem distinguir entre um nó honesto congestionado e um nó malicioso.

2. Metodologia: AIRouteOpt

Os autores propõem o AIRouteOpt, um framework de roteamento de política profunda consciente de confiança que acopla resiliência à mobilidade e resiliência a ataques no plano de roteamento em um único processo de decisão.

2.1 Modelo de Sistema

• Rede: $N$ veículos em uma área de $A$ km² usando Rádios Definidos por Software (SDRs) a 2.4 GHz. Os links existem com base em limiares de SNR com desvanecimento Rayleigh e sombreamento log-normal.
• Modelo de Ameaça: Uma fração $\beta_a$ de nós são adversários. Os payloads são protegidos, mas as métricas de roteamento não são autenticadas.
• Formulação MDP:
  • Estado ($s_t$): Características por vizinho incluindo qualidade do link (SNR, ETX), uma pontuação de confiança atualizada recursivamente ($\tau_{ij}$), estimativas de salto e um histórico dos últimos 8 eventos de roteamento.
  • Ação ($a_t$): Selecionar um vizinho próximo ou armazenar o pacote em buffer.
  • Recompensa ($r_t$): Uma função composta que recompensa a entrega de pacotes, penaliza a latência e falhas de prazo e, crucialmente, incorpora um termo de modelagem de confiança contínua ($\lambda_\tau(\tau_{ia_t} - \tau_{ref})$). Este termo incentiva a seleção de vizinhos de maior confiança sem exclusão rígida.

2.2 Estimador de Confiança

O AIRouteOpt utiliza um estimador padrão de Média Móvel Exponencialmente Ponderada (EWMA) do tipo Watchdog:
$$\tau_{ij}(t+1) = (1 - \eta_\tau)\tau_{ij}(t) + \eta_\tau f_{ij}(t)$$
onde $f_{ij}(t)$ é 1 se o salto subsequente do vizinho foi entregue, e 0 caso contrário. Os autores testaram uma variante "compensada por canal" para reduzir o peso de falhas em links fracos, mas não encontraram ganho significativo em seu canal equipado com ARQ, optando pelo estimador padrão.

2.3 Aprendizado de Política

A política de roteamento é aprendida usando Otimização de Política Próxima (PPO).

• Arquitetura: Um Perceptron Multicamadas (MLP) de duas camadas compartilhado com 64 e 32 unidades ocultas (ativação tanh).
• Saída: Uma distribuição softmax sobre $K+1$ ações (vizinhos + buffer), mascarada pela disponibilidade do vizinho.
• Treinamento: Treinado em um currículo de frações de mobilidade e ataque. A política é implantada congelada em cada veículo.
• Complexidade: A inferência requer uma única passagem direta (~0.035 ms por decisão, 5191 parâmetros), tornando-a adequada para hardware da classe SDR.

3. Contribuições Teóricas

O artigo fornece três resultados teóricos ligados a medições empíricas:

1. Concentração de Confiança (Prop. 1): O estimador de confiança concentra-se em torno da verdadeira probabilidade de encaminhamento do vizinho ($\beta^*_j$). Os autores provam um limite de Hoeffding mostrando que blackholes ($\beta^*=0$) e nós honestos ($\beta^* \approx 1$) são facilmente separados, enquanto grayholes furtivos (ex: $\beta^*=0.6$) permanecem difíceis de distinguir de nós honestos com alta confiança.
2. Melhoria Monotônica sob Deriva (Thm. 1): Os autores derivam um limite para atualizações PPO em topologias não estacionárias. Eles mostram que a garantia de melhoria é mantida desde que a atualização da política seja restrita em relação à taxa de deriva da topologia ($\xi$).
3. Contenção de Limiar (Thm. 2): Os autores provam que uma função de recompensa de confiança suave generaliza o limiar rígido. À medida que o peso da confiança $\lambda_\tau \to \infty$, a política suave ótima converge para o comportamento de uma política de limiar rígido. Isso explica por que uma política aprendida pode igualar, mas não necessariamente exceder, um heurístico bem ajustado.

4. Resultados Principais

Experimentos foram conduzidos em um simulador baseado em eventos customizado sobre 12–30 sementes com uma fração de adversários de 20% (70% blackhole, 30% sinkhole).

4.1 Desempenho vs. Baselines

• A Consciência de Confiança é Decisiva: Sob ataques de anúncio de métricas, métodos conscientes de confiança superam significativamente os que não são conscientes de confiança.
  • AIRouteOpt: 63.0% de Razão de Entrega de Pacotes (PDR).
  • Trust-AODV (Ajustado Manualmente): 63.9% PDR.
  • Baselines Não Conscientes de Confiança: AODV/OLSR (~44.7%), GPSR (56.3%), Q-routing (40.2%), NoTrust-PPO (45.7%).
• Significância Estatística: O ganho do AIRouteOpt sobre os métodos não conscientes de confiança é estatisticamente significativo ($p < 0.001$, Cohen's $d$ até 2.0).
• Comparação com Trust-AODV: O AIRouteOpt está estatisticamente empatado com o melhor Trust-AODV ajustado manualmente. No entanto, o AIRouteOpt alcança isso sem um limiar de exclusão frágil, com menor overhead de controle (10% vs. 14–38%), e generaliza para tamanhos de rede não vistos.

4.2 Sensibilidade ao Tipo de Ataque

• Ataques de Anúncio (Blackhole/Sinkhole): O roteamento consciente de confiança é altamente eficaz.
• Grayhole Furtivo: Contra um grayhole que não anuncia métricas falsas, mas descarta 40% dos pacotes, a consciência de confiança oferece benefício marginal. O AIRouteOpt (68.2%) performa de forma semelhante ao AODV não consciente de confiança (72.8%) e ligeiramente abaixo do Trust-AODV (73.5%). O estimador de confiança não consegue distinguir confiavelmente descartadores parciais de nós honestos em links com desvanecimento.

4.3 Robustez e Escalabilidade

• Sensibilidade ao Limiar: O desempenho do Trust-AODV colapsa se o limiar for definido muito alto (excluindo nós honestos) ou muito baixo. O AIRouteOpt é imune a esse ajuste de hiperparâmetro.
• Escalabilidade: Treinado em $N=15$, o AIRouteOpt generaliza para $N=60$, mantendo o desempenho significativamente acima do AODV.
• Latência: O AIRouteOpt mantém a latência fim-a-fim dentro do prazo de 200 ms através de velocidades de mobilidade (até 30 m/s).

5. Significância e Alegações

O artigo afirma que a consciência de confiança é o fator de design decisivo para o roteamento sob ataques de anúncio, em vez do algoritmo de aprendizado específico.

• Achado Primário: Uma política de confiança suave aprendida (AIRouteOpt) pode igualar o teto de desempenho do melhor heurístico de confiança ajustado manualmente (Trust-AODV), mas remove a fragilidade operacional dos limiares rígidos.
• Valor Operacional: A vantagem do AIRouteOpt sobre o Trust-AODV não é uma maior razão de entrega em condições ideais, mas sim:
  1. Eliminação do hiperparâmetro crítico de limiar.
  2. Redução do overhead de controle.
  3. Otimização conjunta da qualidade do link, confiança e buffering.
• Limitações: Os autores declaram explicitamente que o benefício é limitado a atacantes de anúncio de métricas. Contra grayholes furtivos, o benefício é marginal. Além disso, o AIRouteOpt não domina estritamente um Trust-AODV bem ajustado em termos de PDR bruto; sua superioridade reside na robustez e flexibilidade operacional. O estudo é baseado em simulação e ainda não foi validado em hardware-in-the-loop ou simuladores padrão como o ns-3.

Em conclusão, o artigo argumenta que integrar a confiança como um termo de modelagem de recompensa contínua dentro de um framework de política profunda fornece uma solução de roteamento resiliente e livre de limiares para MANETs táticas, neutralizando efetivamente ataques de blackhole e sinkhole enquanto mantém garantias teóricas sob deriva de topologia.