پدافند لایه‌ای در برابر تهدیدات پهپادی: ادغام سامانه‌های هوشمند شناسایی تا واکنش

نوع مقاله : مقاله پژوهشی

نویسنده

دانشگاه صنعتی مالک اشتر مجتمع دانشگاهی مکانیک شاهین شهر اصفهان ایران

چکیده

با رشد فزاینده تهدیدات ناشی از پهپادها در حوزه‌های نظامی، امنیتی، طراحی سامانه‌های دفاعی کارآمد و هوشمند برای مقابله با این تهدیدات ضرورتی انکارناپذیر یافته است. مقاله حاضر با هدف تبیین مدل مفهومی پدافند لایه‌ای هوشمند در برابر تهدیدات پهپادی، به بررسی ساختارها، فناوری‌ها و الگوریتم‌های به‌کاررفته در این حوزه پرداخته است. رویکرد پژوهش، مرور نظام‌مند ادبیات علمی و فنی بوده و اطلاعات از منابع معتبر داخلی و بین‌المللی گردآوری شده است. یافته‌ها نشان می‌دهد که سامانه‌های پدافند لایه‌ای مؤثر، از چهار لایه اصلی شامل: شناسایی و پایش اولیه، ارزیابی و تصمیم‌گیری هوشمند، مقابله و خنثی‌سازی، و لایه فرماندهی و کنترل (C4I) تشکیل می‌شوند. در این ساختار، ادغام داده‌های چندمنبعی و بهره‌گیری از هوش مصنوعی، نقش کلیدی در افزایش دقت، سرعت و اثربخشی واکنش دفاعی ایفا می‌کنند. نتیجه‌گیری مقاله حاکی از آن است که طراحی معماری‌های هوشمند، تطبیق‌پذیر و چندلایه، مسیر اصلی ارتقاء تاب‌آوری دفاعی در برابر تهدیدات پیچیده و متحول پهپادی به شمار می‌رود.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Layered Defense Against Drone Threats: Integration of Intelligent Detection-to-Response Systems

نویسنده [English]

  • farhad kiani falavarjani
, Faculty of Mechanical Engineering, Malek Ashtar University of Technology,
چکیده [English]

With the escalating threats posed by drones in military and security domains, the design of efficient and intelligent defense systems to counter these threats has become an undeniable necessity. This article aims to elucidate a conceptual model of intelligent layered defense against drone threats by examining the structures, technologies, and algorithms employed in this field. The research approach involves a systematic review of scientific and technical literature, with data gathered from credible domestic and international sources. The findings indicate that effective layered defense systems consist of four primary layers: initial detection and monitoring, intelligent assessment and decision-making, counteraction and neutralization, and command and control (C4I). In this framework, the integration of multi-source data and the application of artificial intelligence play a pivotal role in enhancing the accuracy, speed, and effectiveness of defensive responses. The article concludes that the design of intelligent, adaptive, and multi-layered architectures represents the primary pathway to bolstering defensive resilience against the complex and evolving threats posed by drones.

کلیدواژه‌ها [English]

  • Layered Defense
  • Countering Drones
  • Anti-Drone Systems
  • Multi-Source Data Integration
  • Artificial Intelligence in Defense
  • Threat Detection Systems

مراجع

محمدی, اردشیر, حسین نواده توپچی, ایرج فروزان, حسین شکوهی, ابراهیم ایجابی. ۱۴۰۲. ‘بررسی چالش‌های مقابله با سامانه‌های هواپیمای بدون سرنشین، علوم و فنون نظامی، سال نوزدهم، شماره ۶۳،
پدرام، عبدالرحیم ، احمدیان، مهدی ، امیرمزلقانی، یوسف،۱۳۹۷، آینده پژوهی درحوزه محصولات ضد پهپاد با استفاده از اولویت گذاری پابرجا، فصلنامه آینده پژوهی دفاعی شماره 11، دوره 3
شریفی تهرانی، امید، صادقی ، علیرضا، علوی، سید محمد،1399،چالش های آینده یکپارچه سازی پهپاد و اخلالگر، فصلنامه مطالعات جنگ، سال دوم،شماره ششم
Brust, Matthias R., Grégoire Danoy, Daniel H. Stolfi, and Pascal Bouvry. 2021. ‘Swarm-Based Counter UAV Defense System’. Discover Internet of Things 1 (1): 2. https://doi.org/10.1007/s43926-021-00002-x.
Castrillo, Vittorio Ugo, Angelo Manco, Domenico Pascarella, and Gabriella Gigante. 2022. ‘A Review of Counter-UAS Technologies for Cooperative Defensive Teams of Drones’. Drones 6 (3): 65.
Chen, Yu-Jia, Xiao-Chun Chen, and Miao Pan. 2022. ‘Defense Against Machine Learning Based Attacks in Multi-UAV Networks: A Network Coding Based Approach’. IEEE Transactions on Network Science and Engineering 9 (4): 2562–78. https://doi.org/10.1109/TNSE.2022.3165971.
Islam, Shafkat, Shahriar Badsha, Ibrahim Khalil, Mohammed Atiquzzaman, and Charalambos Konstantinou. 2023. ‘A Triggerless Backdoor Attack and Defense Mechanism for Intelligent Task Offloading in Multi-UAV Systems’. IEEE Internet of Things Journal 10 (7): 5719–32. https://doi.org/10.1109/JIOT.2022.3172936.
Kamdem, Priva Chassem, Alain B. Zemkoho, Laurent Njilla, Marcellin Nkenlifack, and Charles A. Kamhoua. 2024. ‘Two-Layer Deception Model Based on Signaling Games Against Cyber Attacks on Cyber-Physical Systems’. IEEE Access 12:171559–70. https://doi.org/10.1109/ACCESS.2024.3478808.
Kang, Honggu, Jingon Joung, Jinyoung Kim, Joonhyuk Kang, and Yong Soo Cho. 2020a. ‘Protect Your Sky: A Survey of Counter Unmanned Aerial Vehicle Systems’. IEEE Access 8:168671–710. https://doi.org/10.1109/ACCESS.2020.3023473.
KRAjNC, Zoltán, and Erika Vallus. 2021. ‘Contemporary Low Slow and Small (LSS) Threat from the Air Defence View’. Security & Future 5 (2): 46–48.
Liu, Baohong, and Juntao Sun. 2021. ‘Stackelberg Game under Asymmetric Information in Unmanned Aerial Vehicle Swarm Active Deception Defense: From a Multi-Layer Network Perspective’. In 2021 International Conference on Big Data and Intelligent Decision Making (BDIDM), 75–79. https://doi.org/10.1109/BDIDM53834.2021.00022.
Lyu, Chenyang, and Renjun Zhan. 2022. ‘Global Analysis of Active Defense Technologies for Unmanned Aerial Vehicle’. IEEE Aerospace and Electronic Systems Magazine 37 (1): 6–31.
Tianfeng, Fan, Meng Xiaojing, and Zhang Chi. 2023. ‘Development Status of Anti UAV Swarm and Analysis of New Defense System’. In Journal of Physics: Conference Series, 2478:092011. IOP Publishing.
Tripathi, Nikhil, and Neminath Hubballi. 2022. ‘Application Layer Denial-of-Service Attacks and Defense Mechanisms: A Survey’. ACM Computing Surveys 54 (4): 1–33. https://doi.org/10.1145/3448291.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 11 تیر 1404
  • تاریخ بازنگری: 16 شهریور 1404
  • تاریخ پذیرش: 11 خرداد 1405

هم رسانی

ارجاع به این مقاله

آمار