ЗАСТОСУВАННЯ LLM У ЗАВДАННЯХ ПЛАНУВАННЯ МАРШРУТІВ БПЛА ДЛЯ ЗАПОБІГАННЯ ПОРУШЕННЯМ ДОСТУПНОСТІ ОБМІНУ ДАНИМИ
DOI:
https://doi.org/10.28925/2663-4023.2025.29.892Ключові слова:
кіберфізична безпека, кібербезпека, БПЛА, порушення доступності та цілісності, планування маршруту, великі мовні моделіАнотація
У цій статті представлено новий підхід до планування маршрутів безпілотних літальних апаратів (БПЛА) в умовах кіберфізичних загроз, які впливають на доступність системи. У ворожих та конфліктних середовищах БПЛА все частіше піддаються не лише природним перешкодам та електронним перешкодам, але й цілеспрямованим кіберзагрозам. Запропонований метод спрямований на вирішення як навмисних, так і ненавмисних перебоїв у зв'язку та управлінні, включаючи перешкоди від систем радіоелектронної боротьби (РЕБ), глушіння та поширення шкідливих сигналів. Важливо, що пристрої РЕБ розглядаються не лише як джерела електромагнітного шуму, але й як потенційні вектори поширення шкідливого програмного забезпечення або атак на бездротові протоколи, що робить їх критично важливими компонентами ландшафту загроз кібербезпеці. Для забезпечення успіху місії та підтримки надійного обміну даними метод інтегрує карти рельєфу місцевості, відкриті для використання цифрові моделі рельєфу (DEM) та геопросторові сервіси даних з міркуваннями, що базуються на моделях великих мов (LLM). Система будує маршрути БПЛА, які зберігають зв'язок прямої видимості, уникають зон високого ризику та адаптуються до топологічних та ворожих обмежень. Впроваджено модульну архітектуру, що включає попередню обробку даних, генерацію підказок на основі контексту місії, висновок на основі LLM та валідацію після обробки. Розроблено власні шаблони підказок для впровадження специфічного для місії кібер- та фізичного контексту, що спрямовує LLM на уникнення галюцинацій та покращення планування з урахуванням безпеки. Обчислювальний експеримент з використанням реальних даних про висоту та моделі Claude Sonnet 4 підтверджує застосовність запропонованого рішення. Результати показують, що LLM, інтегровані з геопросторовими даними з урахуванням кібербезпеки, можуть підтримувати динамічне планування маршрутів БПЛА та зменшувати ризик порушень доступності, спричинених як фізичним втручанням, так і кібервторгненням.
Завантаження
Посилання
Xie, J., Jin, L., & Garcia Carrillo, L. R. (2019). Optimal path planning for unmanned aerial systems to cover multiple regions. AIAA Scitech 2019 Forum. https://doi.org/10.2514/6.2019-1794
Novikov, O., Stopochkina, I., Ilin, M., Voitsekhovskyi, A., Ovcharuk, M. (2024). Simulation of UAV networks on the battlefield, taking into account cyber-physical influences that affect availability. Theoretical and Applied Cybersecurity, 6(2), 66-76. https://doi.org/10.20535/tacs.2664-29132024.2.318182
Foead, D., Ghifari, A., Kusuma, M. B., Hanafiah, N., & Gunawan, E. (2021). A systematic literature review of A* pathfinding. Procedia Computer Science, 179, 507–514. https://doi.org/10.1016/j.procs.2021.01.034
Fadzli, S. A., Abdulkadir, S. I., Makhtar, M., & Jamal, A. A. (2015). Robotic indoor path planning using Dijkstra's algorithm with multi-layer dictionaries. 2015 2nd International Conference on Information Science and Security (ICISS), 1–4. https://doi.org/10.1109/ICISSEC.2015.7371031
Tariq, M. T., Hussain, Y., & Wang, C. (2025). Robust mobile robot path planning via LLM-based dynamic waypoint generation. Expert Systems with Applications, 282, 127600. https://doi.org/10.1016/j.eswa.2025.127600
Wang, X., Liu, H., & Zhou, Q. (2024). LLM-A*: Large language model enhanced incremental heuristic search on path planning. Findings of EMNLP 2024, 765–778. https://aclanthology.org/2024.findings-emnlp.60.pdf
Lee, T., Zhang, R., & Kumar, A. (2025). UAV visual path planning using large language models. Transportation Research Procedia, 95, 721–728. https://doi.org/10.1016/j.trpro.2025.03.081
Ahmad, N., Lee, J., & Song, Y. (2025). Large language models for UAVs: Current state and pathways to the future. arXiv preprint arXiv:2503.23132. Retrieved from https://arxiv.org/html/2503.23132v1
Chen, Y., Li, Z., & Wang, M. (2024). LLM-DaaS: LLM-driven drone-as-a-service operations from text user requests. arXiv preprint arXiv:2412.11672. https://doi.org/10.48550/arXiv.2412.11672
Sandoval, J. M., Ivanov, D., & Roy, B. (2024). Scenario-driven evaluation of autonomous agents: Integrating large language model for UAV mission reliability. Drones, 9(3), 213. https://doi.org/10.3390/drones9030213
European Space Agency. (n.d.). Copernicus Digital Elevation Model datasets (30m). Retrieved from https://copernicus-dem-30m.s3.amazonaws.com/readme.html
Department of Defense. (n.d.). Electronic warfare fundamentals (PDF Manual). Retrieved from https://falcon.blu3wolf.com/Docs/Electronic-Warfare-Fundamentals.pdf
Impress-U-IS-KPI. (n.d.). GitHub repository: UAV routing and mission planning tools. Retrieved from https://github.com/Impress-U-IS-KPI/data_processing , https://github.com/Impress-U-IS-KPI/LLM-based_path_planning .
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Iryna Styopochkina, Олексій Новіков, Микола Ільїн, Андрій Войцеховський, Микола Овчарук
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
