(사)국제융복합연구원

키워드

초록

드론 기술의 급속한 발전은 새로운 보안 위협을 야기하고 있으며, 기존의 고정적 규칙 기반 대드론 시스템은 동적이고 복합적인 드론 위협에 효과적으로 대응하지 못하는 한계를 보여주고 있다. 본 연구는 이러한 문제를 해결하기 위해 마르코프 의사결정과정(MDP)과 부분관측 마르코프 의사결정과정(POMDP) 프레임워크를 활용한 적응형 대드론 대응전략을 제안한다. 제안된 시스템은 불확실한 환경에서 센서 데이터의 불완전성을 고려하여 최적의 순차적 의사결정을 수행하며, 강화학습을 통해 새로운 드론 위협 패턴에 동적으로 적응한다. 계층적 의사결정 구조와 함수 근사 기법을 통해 실시간 제약 조건을 만족시키면서도 다목적 최적화를 달성하였다. 본 연구의 프레임워크는 공항, 군사시설 등 주요 기반시설의 드론 방어에 실질적으로 적용 가능하며, 진화하는 드론 위협에 대한 선제적 대응능력을 제공한다.

The rapid advancement of drone technology has introduced novel security threats, while existing rule-based counter-drone systems demonstrate significant limitations in effectively responding to dynamic and complex drone threats. This study proposes an adaptive counter-drone response strategy utilizing Markov Decision Process (MDP) and Partially Observable Markov Decision Process (POMDP) frameworks to address these challenges. The proposed system performs optimal sequential decision-making under uncertainty, considering the incompleteness of sensor data, and dynamically adapts to emerging drone threat patterns through reinforcement learning. A hierarchical decision-making structure combined with function approximation techniques achieves multi-objective optimization while satisfying real-time constraints. The framework demonstrates practical applicability for drone defense in critical infrastructures such as airports and military facilities, providing proactive response capabilities against evolving drone threats. The research contributes a systematic methodology for integrating MDP/POMDP frameworks into complex real-time defense problems, offering enhanced adaptability and learning capabilities compared to conventional static defense systems.

참고문헌 (0)