研究提出量子对抗深度强化学习应对低轨卫星AI干扰

Silvirianti、Georges Kaddoum、Bassant Selim与Mahdi Chehimi在预印本论文中提出一种量子对抗深度强化学习（QADRL）方法，用于缓解低轨卫星网络面临的AI驱动干扰攻击并提升服务质量。该论文称，QADRL基于零和马尔可夫博弈，构建两个相互对抗的学习网络：一个优化卫星路由链路以规避干扰、改善服务质量，另一个针对干扰方，优化无人机轨迹、干扰节点与功率以最大化干扰成功率。论文结果显示，与经典对抗深度强化学习（CADRL）相比，QADRL将干扰成功率降低33.33%，并将卫星网络平均服务质量提升18.4975%。上述结果来自预印本，尚未经同行评审。