UAV/強化学習/セキュリティ2026/9/17arXiv:2609.20982

ASGARD: 強化学習によるUAVのアクション空間攻撃に対する耐性向上

ASGARD: Action-Space Guard for UAV Resilience via Reinforcement Learning

UAVの強化学習制御におけるアクション空間攻撃に対し、教師-生徒パイプラインで攻撃を検知・修正する防御手法を提案。

詳しい要約

1. どんなもの？

- RLベースのUAV制御に対するaction-space攻撃への防御手法ASGARDを提案。 - 攻撃はpolicyが生成したaction commandをactuator実行前に上書きする。 - 既存防御はpolicy入力への攻撃が中心で、action-space攻撃にはruntime耐性がない。 - ASGARDはteacher-studentの2段階パイプラインでruntime耐性を実現。

2. 先行研究と比べてどこがすごい？

- 既存のaction-space攻撃防御はtraining時にpolicyを再学習するため、runtimeの改ざんactionに耐性がない。 - ASGARDはruntimeでmonitorが修正action commandを出力し、攻撃下でもmissionを完了。 - unseen attackへの汎化とstealthy attackへの耐性も示す。

3. 技術・手法の肝は？

- teacher phase: encoderがUAVのphysical stateとaction-attack-related privileged informationを統合し、action-attack-aware latentを生成。 - そのlatentでRL control policyとmonitorを訓練。monitorはactuatorへ修正action commandを出力。 - student phase: encoderとmonitorをteacherからsupervised learningで蒸留し、UAVのphysical state historyのみでon-board実行可能に。

4. どうやって有効だと検証した？

- 異なるaction commandを標的とする複数のattack scenarioでASGARDを評価。 - action-space攻撃下でもmissionを完了し、耐性を示す。 - unseen attackへの汎化とstealthy attackへの耐性も確認。

5. 議論はある？

- 要旨からは不明。 - 想定される議論点: privileged informationの入手方法、studentの性能劣化、計算資源制約、攻撃モデルの網羅性などは明示されていない。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 関連手法として、RL-based UAV control、action-space attack、adversarial attack defense、teacher-student distillation、privileged learningが挙げられる。 - 同分野の定番として、Robust RL、Adversarial RL、Safe RLの文献を読むべき。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Mohsen Salehi, Karthik Pattabiraman

分類: cs.LG, cs.CR, cs.RO

原文アブストラクト

Reinforcement learning (RL) controllers have been recently adopted for Unmanned Aerial Vehicles (UAV) navigation and control. However, they are susceptible to action-space attacks that overwrite the action commands after the policy generates them and before the actuators execute them. While most existing defenses target attacks on the policy's inputs, those addressing action-space attacks retrain the policy at training time and are not resilient to corrupted actions at runtime. We propose ASGARD, a two-phase teacher-student pipeline for making RL-based UAV control resilient to action-space attacks. In the teacher phase, an encoder combines the UAV's physical state with action-attack-related privileged information to produce an action-attack-aware latent that trains the RL control policy and a monitor that outputs corrected action commands to the actuators. In the student phase, both the encoder and the monitor are trained via supervised learning from their teacher counterparts to run on-board using only the UAV's physical state history. We evaluate ASGARD across attack scenarios targeting different action commands on UAV. We find that ASGARD is resilient to action-space attacks and completes the missions despite the attack. We further find that ASGARD generalizes to unseen attacks and remains resilient against stealthy attacks.

arXivで原文を読む →arXiv概要ページ

← 論文一覧