阅读笔记：Joint flight scheduling and task allocation for secure data collection in UAV-aided IoTs
一、基本信息
1. 阅读人和日期：P Liu，2022.4.1
2. 引用格式：Wang, Z., Tao, J., Gao, Y., Xu, Y., Sun, W., Gao, Y., & Li, W. (2022). Joint flight scheduling and task allocation for secure data collection in UAV-aided IoTs. Computer Networks, 207, 108849.
3. 单位：Southeast University and Northeast University.
4. 原文链接：https://doi.org/10.1016/j.comnet.2022.108849
5. 概述：本文针对潜在窃听者意图拦截合法节点数据上传的场景，通过应用无人机和物理层安全技术，分析了无人机辅助物联网中的安全数据收集问题(SDCP)。利用无人机的机动性和采集任务分配方案，实现了可靠的数据传输，构建了一个总体效用函数最大化问题，以捕获数据的最大保密率，通过构造代理函数，重新制定了一个SDCP-m问题，提出了一种简单而有效的近似算法成本效益贪婪算法(CBG)，以实现接近最佳的性能。
二、动机及创新点
1.动机：
近来，无人机被应用以提高物联网系统中数据收集的覆盖范围和性能。然而，由于无线通信的开放通道和设备硬件的限制，采用无人机进行数据收集可能会给系统带来新的安全风险，即恶意窃听，消息篡改和干扰攻击。针对这些问题，本文将无人机和物理层安全方法放在一起，提出了一种新型的飞行调度和任务分配方法，用于无人机从一组物联网节点收集感知数据，从而提高系统的安全性能。
2.主要贡献及创新点：
首先，提出了物联网中潜在的安全数据收集问题，探索飞行调度和任务分配，以建立无人机与传感设备之间的可靠数据传输；其次，设置了具有数据保密率和非负预算约束的效用函数，并定义一个基于实际约束的整体效用函数最大化问题；最后，除了对正确性和复杂性的证明和分析外，文章还进行了广泛的模拟，以评估算法的性能。
三、问题描述和方法论
1. 网络模型
如图所示，考虑一个网络模型，其中无人机为随机部署在平面中的n个合法节点的集合提供数据收集服务。无人机候选悬停位置将受到外部环境的影响。假设候选悬停位置可以通过分析地理节点分布来获得，潜在的窃听者位置信息可以被无人机的机载设备检测到，地面汇聚节点站是无人机开始从事数据收集工作并返回提供感官数据的本地位置。
2. 保密率
无人机悬停在li上收集感知数据sj时的数据保密率可以计算为：
3. 无人机的能源消耗模型
无人机的能耗根据三个实际成本函数进行评估 - 即通信相关成本（𝐶com），推进成本（𝐶pro）和悬停成本（𝐶hov),在本文中忽略了与通信相关的成本，则：
$$
C_{Pro}\left(\chi\right)=\alpha\left|P\left(\chi\right)\right|，χ⊆L
$$
$$
C_{hov}\left(\mathrm{y}\right)=\beta\sum{T_{ij}y_{ij}}，y⊆γ
$$
4.目标函数及限制条件
将累积保密率应用于效用函数设计中：
$$
U\left(x,y\right)=\sum_{x_i\epsilon\chi}\ \sum_{y_{ij}\epsilon\mathrm{y}}{R_{ij}x_iy_{ij}}
$$
总优化目标和约束条件为：
四、算法设计
1.代理构造函数
2.成本效益贪婪算法
五、实验部分
1.感测器数量影响实验：
2.传输功率影响实验：
