编辑推荐：
针对 FANET 高动态拓扑、资源受限等带来的路由与安全挑战，研究人员提出 RICCNN-BC-SCR-FANET 框架，融合 PSOA 选簇头、GPoW 共识机制与 EDBOA 优化的 RICCNN 分类攻击。实验表明其多指标优于现有方法，为 FANET 安全高效通信提供新方案。
在科技飞速发展的今天，无人机（UAV）组成的飞自组网（Flying Ad hoc Network, FANET）凭借灵活部署、快速响应等优势，在应急救援、环境监测、交通管理等领域展现出巨大潜力。然而，其高动态拓扑（无人机三维高速移动导致网络结构频繁变化）、有限计算资源与带宽，以及去中心化架构带来的安全漏洞（如模糊测试攻击、后门攻击、拒绝服务攻击等），导致传统路由协议面临路由失效、数据丢失、时延高企等问题，严重制约了 FANET 在高可靠性场景的应用。如何在动态复杂环境中实现安全高效的通信，成为学界与工业界亟待突破的瓶颈。
为攻克上述难题，研究人员开展了一项针对 FANET 的创新性研究，相关成果发表在《Expert Systems with Applications》。
研究团队采用多技术融合方案：首先利用 Portia 蜘蛛优化算法（PSOA）进行簇头选择，该算法通过模拟蜘蛛捕食行为优化簇头节点的能量、稳定性等指标，确保分簇结构的高效性；随后引入绿色工作量证明共识机制（Green-PoW），在保障区块链数据安全的同时降低计算能耗，实现轻量化认证；针对攻击分类任务，设计了旋转不变坐标卷积神经网络（RICCNN），其通过坐标卷积结构提升对多维数据空间特征的捕捉能力，可有效识别 Fuzzers、Analysis、Backdoor 等多种攻击类型。鉴于传统 RICCNN 参数优化效率不足，进一步采用增强蜣螂优化算法（EDBOA）对网络超参数进行全局寻优，显著提升分类精度。
研究结果
- 算法性能验证：基于 UNSW-NB15 数据集，在 MATLAB 环境中对 RICCNN-BC-SCR-FANET 进行仿真，对比 IABC-BC-SCR-FANET、CH-SRP-FANET、IHBO-EEDS-FANET 等现有方法，结果显示：
- 安全性提升：攻击分类准确率分别提高 29.24%、33.45%、28.73%，精确率提升 30.53%、27.64%、26.25%，表明对各类攻击的识别能力显著增强。
- 通信效率优化：端到端时延降低 16.81%、24.25%、30.25%，丢包率下降 30.53%、27.64%、26.25%，吞吐量与网络寿命分别提升 20.16%-32.15% 与 26.12%-33.17%，验证了路由机制在动态拓扑中的稳定性。
- 综合指标优势：接收者操作特征曲线下面积（RoC）较对比方法提高 26.12%-33.17%，表明模型在攻击检测中的鲁棒性全面优于传统方案。
结论与意义
该研究构建了 “分簇路由 - 区块链安全 - 智能检测” 三位一体的 FANET 优化框架，通过 PSOA 与 EDBOA 的双重优化，解决了传统分簇算法的能耗失衡与神经网络参数寻优难题；GPoW 共识机制与 RICCNN 的结合，为动态网络中的数据完整性与攻击识别提供了轻量化解决方案。实验结果表明，该框架在保障通信安全的同时显著提升网络效率，为无人机群在灾害响应、智能交通等关键领域的规模化应用奠定了技术基础。研究成果不仅拓展了区块链与深度学习在自组织网络中的应用边界，也为未来异构网络的协同安全防护提供了新思路。
