💻 computer science

Trust-Aware Deep Policy Routing for Tactical Vehicle Ad Hoc Networks under Joint Mobility and Routing-Plane Attacks

本文介绍了 AIRouteOpt，一种基于信任感知的深度策略路由框架，该框架利用近端策略优化算法（PPO），根据链路质量和递归更新的信任分数动态选择下一跳，从而在面临移动性与路由平面联合攻击的情况下，显著提高了战术车辆移动自组网（MANET）中的数据包交付率，其性能优于传统的非信任感知及基于阈值的方案。

原作者： Rohan Shinde, Kishor Shinde, Parag Chaudhari, Hrishikesh Mehta

发布于 2026-09-23

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Rohan Shinde, Kishor Shinde, Parag Chaudhari, Hrishikesh Mehta

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在现代战争的混乱环境中，通信往往依赖于独立移动的车辆，它们形成一个临时的网络，无需任何固定的基站或电缆。这些被称为战术车辆自组网（tactical vehicle ad hoc networks）的移动网络，允许坦克、无人机和地面部队共享地图、传感器读数和指令等关键数据。然而，保持这些连接的畅通极其困难，因为车辆一直在移动，导致它们之间的链路每隔几秒就会断开并重新建立。更糟糕的是，敌人可能会俘获其中一辆车并将其变成间谍。这辆被俘获的车辆可以对数据传输的最佳路径撒谎，诱骗网络将消息发送到死胡同，从而在其中悄无声息地丢弃消息。工程师面临的挑战是，要创造出一种既能处理车辆不断运动，又能同时识别并忽略这些欺骗性节点的路由系统。

研究人员开发了一种名为 AIRouteOpt 的新方法来解决这个双重问题。该系统并非使用那种要么盲目信任每个邻居，要么切断任何可疑对象的僵化规则，而是使用了一种能够进行即时决策的人工智能形式。系统会对每个附近的车辆观察三个关键要素：无线连接的质量、该邻居过去转发消息的可靠性历史，以及一个持续更新的“信任分”。系统并没有设定一条硬性的界限来区分一个邻居是被信任还是被禁止，而是将信任视为一个平滑的、滑动的标尺。它学习如何权衡欺骗性邻居带来的风险与推进数据传输的需求，随着战场的变化实时调整其选择。

研究人员在一个详细的计算机模拟中测试了该系统，该模拟模拟了一个车辆移动速度在每秒 5 到 30 米之间的战场。他们引入了各种类型的攻击，包括丢弃接收到的所有消息的“黑洞”攻击者，以及通过谎称自己靠近目的地来窃取流量的“汇洞”攻击者。在这些模拟中，当 20% 的车辆被俘获并充当敌人时，新系统交付了 63.0% 的消息。相比之下，未使用这种具备信任感知智能的传统系统仅交付了约 46% 的消息。这一显著的提升表明，在遭受攻击时，检测并避开撒谎邻居的能力是保持网络存活的最关键因素。

有趣的是，研究发现，这个智能的学习系统并不一定比使用严格切断规则的、经过精细人工调优的旧版本系统的表现更好。当研究人员将新的 AI 与一个经过良好调优的传统系统进行比较时，两者交付的数据量大致相同，都在 63% 左右。新系统的真正优势不在于交付更高容量的数据，而在于实现这一结果的方式。传统系统需要一个精确的、预设的阈值来决定何时切断一个邻居；如果这个设置稍有偏差，系统就会彻底失效。而新系统则不需要这样的设置。它能自动学习正确的平衡点，避免了人工调优带来的错误风险，并且使用的网络带宽也更少。这使得它在面对不可预测的现实环境时更加稳健且易于部署。

研究还揭示了这项技术的局限性。该系统在应对通过谎称位置来吸引流量的攻击者时表现出色，但对于那些隐蔽且仅丢弃极小比例消息而不撒谎关于位置的“灰洞”攻击者，则几乎没有优势。在这些特定情况下，无论使用新的信任系统还是不使用，网络的表现都相似。此外，该研究完全是通过计算机模拟进行的。虽然结果具有统计学意义且系统背后的数学理论是完善的，但该系统尚未在实地硬件上进行过测试。研究人员指出，未来的工作将涉及在实际无线电设备上测试该系统，并开发针对更复杂、更具适应性敌人的防御措施。

最终，这篇论文证明了，在遭受攻击的移动网络中，感知信任的能力比用于决策的具体算法更为重要。新系统证明了网络可以通过持续评估邻居的可靠性，而非依赖静态规则，来学会如何在敌对环境中航行。它为军事通信提供了一条路径，使其能够抵御欺骗、适应运动，并摆脱了那些在面对突发状况时常导致旧系统崩溃的脆弱设置。

=== 技术摘要 ===

技术摘要：面向战术车辆自组网的信任感知深度策略路由

1. 问题陈述

战术车辆移动自组网（MANET）面临着双重挑战，这些挑战破坏了关键任务通信：

移动性引发的剧烈变化（Churn）： 以 5–30 m/s 速度移动的车辆会导致链路快速失效（链路寿命仅为 1–5 秒），迫使反应式协议不断重新发现路径，并迫使前瞻式协议大量发送控制流量。
路由平面攻击： 被捕获的节点可以操纵路由度量值以吸引流量，然后丢弃数据包。具体的威胁包括：
- 黑洞攻击（Blackhole）： 宣称存在一条廉价路径（例如跳数为 1）并丢弃所有流量。
- 汇聚攻击（Sinkhole）： 宣报夸大的度量值以吸引流量，然后将其丢弃。
- 灰洞攻击（Grayhole）： 在宣报诚实度量值的同时，丢弃特定比例的数据包（具有隐蔽性）。
- 女巫攻击（Sybil）： 多个身份（本研究未进行评估）。

现有解决方案无法同时解决这些问题。地理路由忽略了对手；基于阈值的信任扩展（如 Trust-AODV）假设拓扑是静态的，且依赖于脆弱的“全或无”排除阈值；而标准的深度强化学习（DRL）路由器在良性环境下优化吞吐量，但无法区分拥塞的诚实节点与恶意节点。

2. 方法论：AIRouteOpt

作者提出了 AIRouteOpt，这是一个结合了移动性韧性和路由平面攻击韧性的信任感知深度策略路由框架。

2.1 系统模型

网络： 在 $A$ km² 区域内使用 2.4 GHz 软件定义无线电（SDR）的 $N$ 辆车。链路基于 SNR 阈值、瑞利衰落和对数正态阴影效应而存在。
威胁模型： 一定比例 $\beta_a$ 的节点是对手。载荷受保护，但路由度量值未经身份验证。
MDP 建模：
- 状态 ( $s_t$ )： 包括链路质量（SNR、ETX）、递归更新的信任分数 ( $\tau_{ij}$ ）、跳数估计以及最近 8 次路由事件的历史记录的逐邻居特征。
- 动作 ( $a_t$ )： 选择下一个跳邻居或缓冲数据包。
- 奖励 ( $r_t$ )： 一个复合函数，奖励数据包交付，惩罚延迟和错过截止时间，并且至关重要的是，引入了一个连续信任塑造项 ( $\lambda_\tau(\tau_{ia_t} - \tau_{ref})$ )。该项鼓励选择高信任度的邻居，而非采用硬性排除。

2.2 信任估计器

AIRouteOpt 使用标准的 Watchdog 指数加权移动平均（EWMA）估计器：
$\tau_{ij}(t+1) = (1 - \eta_\tau)\tau_{ij}(t) + \eta_\tau f_{ij}(t)$
其中 $f_{ij}(t)$ 表示如果邻居的下一跳被成功交付则为 1，否则为 0。作者测试了一种“信道补偿”变体，旨在降低弱链路上的失败权重，但发现其在配备 ARQ 的信道中没有显著收益，因此选择了标准估计器。

2.3 策略学习

路由策略使用**近端策略优化（PPO）**进行学习。

架构： 一个共享的两层多层感知机（MLP），包含 64 和 32 个隐藏单元（使用 tanh 激活函数）。
输出： 对 $K+1$ 个动作（邻居 + 缓冲）的 Softmax 分布，并由邻居可用性进行掩码处理。
训练： 在移动性和攻击比例的课程学习（Curriculum）上进行训练。策略在每辆车上以冻结状态部署。
复杂度： 推理仅需单次前向传播（每次决策约 0.035 ms，5191 个参数），使其适用于 SDR 类硬件。

3. 理论贡献

论文提供了三个与实证测量相关的理论结果：

信任集中性（命题 1）： 信任估计器会向邻居真实的转发概率 ( $\beta^*_j$ ) 集中。作者通过证明 Hoeffding 界限表明，黑洞（ $\beta^*=0$ ）和诚实节点（ $\beta^* \approx 1$ ）很容易被区分开，而隐蔽的灰洞（例如 $\beta^*=0.6$ ）在保持高置信度时仍难以与诚实节点区分。
漂移下的单调改进（定理 1）： 作者推导了非平稳拓扑下 PPO 更新的界限。他们证明，只要策略更新相对于拓扑漂移率 ( $\xi$ ) 受限，改进保证就会成立。
阈值包含（定理 2）： 作者证明了软信任奖励函数可以泛化硬阈值。当信任权重 $\lambda_\tau \to \infty$ 时，最优软策略会收敛于硬阈值策略的行为。这解释了为什么学习到的策略可能会匹配但未必能超越一个调优良好的启发式算法。

4. 关键结果

实验在自定义的事件驱动模拟器中进行，设置了 12–30 个种子，对抗比例为 20%（70% 黑洞，30% 汇聚）。

4.1 性能对比基准

信任感知是决定性的： 在度量值广告攻击下，具备信任感知的方案显著优于缺乏信任感的方案。
- AIRouteOpt： 63.0% 的数据包交付率 (PDR)。
- Trust-AODV（人工调优）： 63.9% PDR。
- 缺乏信任感的基准： AODV/OLSR (~44.7%)，GPSR (56.3%)，Q-routing (40.2%)，NoTrust-PPO (45.7%)。
统计显著性： AIRouteOpt 相对于缺乏信任感的方法的提升在统计学上是显著的（ $p < 0.001$ ，Cohen's $d$ 高达 2.0）。
与 Trust-AODV 的比较： AIRouteOpt 在统计上与表现最好的手工调优的 Trust-AODV 持平。然而，AIRouteOpt 实现这一目标时无需脆弱的排除阈值，且控制开销更低（10% 对比 14–38%），并能泛化到未见的网络规模。

4.2 攻击类型敏感性

广告攻击（黑洞/汇聚）： 具备信任感知的路由非常有效。
隐蔽灰洞： 对于不发布虚假度量值但丢弃 40% 数据包的灰洞，信任感知的收益微乎其微。AIRouteOpt (68.2%) 的表现与缺乏信任感的 AODV (72.8%) 相似，且略低于 Trust-AODV (73.5%)。信任估计器无法可靠地在衰落信道上将部分丢包节点与诚实节点区分开来。

4.3 鲁棒性与可扩展性

阈值敏感性： 如果阈值设置得过高（排除诚实节点）或过低，Trust-AODV 的性能会崩溃。AIRouteOpt 对此超参数调优具有免疫力。
可扩展性： 在 $N=15$ 上训练的 AIRouteOpt 可泛化至 $N=60$ ，并保持显著高于 AODV 的性能。
延迟： 在各种移动速度（高达 30 m/s）下，AIRouteOpt 能将端到端延迟维持在 200 ms 截止时间内。

5. 意义与主张

论文声称，信任感知是路由在广告攻击下的决定性设计因素，而非特定的学习算法。

主要发现： 一种学习到的软信任策略（AIRouteOpt）可以达到最佳手工调优信任启发式算法（Trust-AODV）的性能上限，但消除了硬阈值的操作脆弱性。
操作价值： AIRouteOpt 相对于 Trust-AODV 的优势不在于理想条件下的更高交付率，而在于：
1. 消除了关键的阈值超参数。
2. 降低了控制开销。
3. 实现了链路质量、信任度和缓冲的联合优化。
局限性： 作者明确指出，其优势仅限于度量值广告攻击者。针对隐蔽灰洞，其收益很小。此外，AIRouteOpt 在原始 PDR 方面并不严格优于调优良好的 Trust-AODV；其优越性在于鲁棒性和操作灵活性。该研究基于仿真，尚未在硬件在环或标准模拟器（如 ns-3）上进行验证。

总之，本文认为，将信任作为深度策略框架内的连续奖励塑造项，可以为战术 MANET 提供一种具有韧性的、无须阈值的路由解决方案，在维持拓扑漂移下理论保证的同时，有效抵御黑洞和汇聚攻击。