MagDet:基于地磁的无人机GPS欺骗检测方法

GPS是目前最为广泛使用的基于卫星的导航和定位系统,对于无人机而言,它是一个不可或缺的组成部分,提供了关键的精确位置数据,对导航和任务的成功至关重要.然而,GPS欺骗攻击已经逐渐演变成对GPS依赖系统不断增加的威胁.目前,针对无人机的GPS欺骗检测方法大多基于仿真数据提出、依赖于多个无人机或者需要专用设备(例如,软件定义无线电平台和高清摄像头).本文提出一种新颖的基于地磁场的无人机GPS欺骗检测方法——Mag Det(Magnetic field-based Detection method),其基本思想是利用地球内部和周围金属建筑材料不均匀性引起的地磁场异常,通过真实飞行收集位置和磁场强度数据,包括正常和被攻击场景.应用各种机器学习算法来训练这些数据以选择最佳分类器,该分类器可以轻松部署在常见机载计算机中.该方法的检测率超过99.5%,平均错误率(Equal Error Rate,EER)为0.51%,优于现有检测方法.此外,评估了各种因素对Mag Det的影响,以证明其鲁棒性.即使在未访问过的地点(距离6 km),准确率也高于95%,EER为0.49%.     

无人机上行链路抗欺骗干扰方案设计

电子对抗技术的发展使欺骗干扰日益成为无人机通信系统中面临的现实威胁,然而目前尚无公开文献研究无人机上行链路中的抗欺骗干扰技术.针对上述问题,研究了欺骗干扰存在时的上行链路接收信号模型,并从信号处理层面和信息处理层面相结合的角度,结合无人机上行链路的特点,提出了一种可靠的无人机上行链路抗欺骗干扰方案.并通过Matlab和C语言对所提方案进行了建模仿真,仿真结果显示,该方案可有效地对欺骗信号进行检测、分类和消除,并可通过认证技术来保证接收信息的真实性.研究表明,在信号处理阶段对欺骗干扰信号进行处理,在信息处理阶段对真实信息进行认证,可有效避免欺骗干扰的影响.     

基于多传感器数据融合的无人机GPS欺骗检测研究

本文针对实际过程中可能存在的无人机GPS欺骗情况,提出了基于多传感器数据融合的GPS欺骗检测方法。该方法通过比较多传感器惯性导航系统加上Elman神经网络修正得到的位置信息与GPS输出位置信息,从而判断无人机GPS是否受到欺骗。该方法有两个创新点,第一个是使用Elman神经网络,在不增加传感器成本的基础上其有助于提高惯导系统输出位置信息的精度;第二个创新点是使用带延迟的扩展卡尔曼滤波器,用于解决多传感器数据不同步的问题。实验结果表明,本文提出的方法能有效的检测出GPS欺骗,从而保证无人机的安全飞行。     

基于网络欺骗的操作系统抗识别模型

针对传统主机操作系统抗识别技术整体防御能力不足的问题,提出一种基于网络欺骗的操作系统抗识别模型(NDAF)。首先,介绍模型的基本工作原理,由网络内的欺骗服务器制定欺骗指纹模板,各主机根据欺骗模板动态改变自己的协议栈指纹特征,实现对攻击者操作系统识别过程的欺骗;其次,给出一种信任管理机制,依据威胁大小不同,有选择地对外部主机开展欺骗。实验测试表明,NDAF会给其网络通信带来一定的影响,但所产生的额外开销相对稳定,约为11%~15%,与典型的操作系统抗识别工具OSfuscate和IPmorph相比,NDAF操作系统抗识别能力较强。所提模型通过网络的一体化、欺骗性防御,能够有效提高目标网络防御水平。     

GPS拒止环境下基于定位置信度的多无人机协同定位方法

GPS拒止环境下的无人机定位问题是目前亟需研究和解决的一个难点问题.针对无人机集群系统在GPS拒止环境下的协同定位问题展开研究,首先,提出了定位置信度的概念,用于量化GPS拒止环境下无人机的定位准确程度;其次,提出了一种基于定位置信度的多无人机协同定位方法,该方法在基于持久性激励的相对定位法的基础上,利用定位置信度,自...     

面向无人机故障诊断的知识图谱构建应用方法

近年无人机作业安全保障问题面临着严峻挑战,确保无人机安全作业至关重要。传统的无人机故障诊断方法具有容易造成知识浪费等问题,已无法满足日益复杂的工作需求,基于新兴研究热点的知识图谱,充分利用无人机先验知识进行故障诊断,可实现组件关联诊断并依靠专家知识实现诊断结果的可解释性。目前面向故障诊断知识图谱的研究较少,通常采用“预训练”模型解决深度学习模型训练的数据不足,但这种方法应用场景限制较大,且不能为后续研究者提供有价值可参考的训练样本。以无人机故障维修手册为主要数据,提出一种基于远程监督的机标人校数据标注方法,获得数量可观、标注精确的无人机故障语料库,并根据数据结构特点结合基于规则和BiLSTM-CRF网络的知识抽取方法,实验证明实体抽取效果良好。基于无人机故障诊断本体完成无人机故障诊断知识图谱的构建,通过Neo4j进行存储及可视化展示,并搭建无人机系统故障的智能问答系统,为无人机故障提供有理有据的精准诊断,证明了知识图谱在故障诊断领域的有效性,为基于知识图谱的故障诊断体系构建提供科学依据。     

基于无人机GPS的测量雷达标校方法研究

针对测量雷达常规标校方法存在的场地及设施限制性问题,提出了一种基于无人机加装GPS设备的雷达标校方法.利用无人机加装差分GPS设备作为跟踪目标并提供真值数据,根据系统误差修正模型,通过最小二乘法对雷达测量误差进行回归分析,解算出系统误差修正参数,即可完成雷达标校.通过模拟数据解算得出了该标校方法适用的航线范围,通过飞行测试对标校方法进行了验证,结果表明,利用解算得出的标定参数进行系统误差修正能够满足雷达精度要求,证明了该方法有效、可行.     

基于基站辅助的电力5G终端GPS欺骗检测

电力能源的安全在国家安全中占有重要的地位.随着电力5G通信技术的发展,大量电力终端产生定位需求.传统GPS定位方法存在易受欺骗的问题,如何有效提升GPS定位的安全性成为一个亟待研究的问题.本文提出了一种基于基站辅助的电力5G终端GPS欺骗检测算法,利用安全性较高的基站定位来检验可能被欺骗的GPS定位,并且引入了一致性因...     

基于LSTM-OCSVM的无人机传感器数据异常检测

无人机是一种典型的依靠通信和控制系统实现自主飞行的信息物理系统,在安全性和可靠性方面引起了广泛的关注.本文考虑无人机传感器易受网络攻击问题,充分利用数据的时间相关性,提出了针对无人机传感器数据的异常检测模型.首先采用LSTM神经网络对传感器数据进行预测,再将预测值与实际值做差,并将差值输入LSTM分类器进行训练得到包含正样本的超平面,最后计算测试数据到超平面的距离函数值,根据其正负判定异常与否.并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短LSTM神经网络的训练时长.通过仿真实验,验证了该异常检测模型的可行性和有效性.     

基于GPS的无人机天线自动跟踪系统

针对解决无人机飞行探测中定向天线跟踪问题,设计一种新型的基于GPS和单片机的天线自动跟踪控制系统。通过详细比较GPS跟踪的三种算法,确定圆球模型算法对于一定跟踪精度范围,可完全替代平面模型和椭球模型,减少了计算量。根据圆球模型算法对系统软硬件进行开发与设计,系统通过无人机通信数据链获取无人机的位置信息,结合系统自身的GPS位置信息、罗盘的方位信息,运用圆球模型算法计算出天线需转动的方位角和俯仰角,通过单片机控制天线对准无人机。实验测试结果表明,对于10公里范围内的跟踪,系统的跟踪精度满足设计的要求,具有较强的实用价值和推广意义。     

基于目标状态估计的UAV路径重规划决策模型

变结构离散动态贝叶斯网络能感知突发固定威胁,但难以应用于状态未知的突发机动威胁.针对此问题,提出一种新的无人机路径重规划决策模型.该模型以变结构离散动态贝叶斯网络为基础,在机动威胁目标状态未知情况下,结合Kalman滤波理论,得到基于动态贝叶斯网络的目标状态估计模型,并将其作为一个模块加入路径重规划模型中,实现路径重规划决策.仿真结果证明了所提出的无人机路径重规划决策模型的正确性.     

基于PF-LSTM网络的高效网络流量预测方法

传统网络流量预测模型存在泛化能力弱和预测准确度低等缺点。为解决此问题,提出一种基于长短期记忆（LSTM）循环神经网络的网络流量预测模型。首先,用距离比较和优化组合策略改进粒子滤波算法（PF）的重采样过程;然后搭建PF-LSTM网络的网络流量预测模型,将改进的PF算法用于模型训练,提高其训练速率,克服传统LSTM网络中收敛于局部最优的缺点;最后将提出的模型用于网络流量预测。实验结果表明,相比传统的LSTM模型,提出的PF-LSTM模型具有较好的预测精度和收敛效率,能够更好地描述网络流量的变化趋势。     

基于主题模型的胸部X光片诊断报告异常检测方法

胸部X光片是患者胸部检查的优先选择,对患者的诊断治疗起着重要的作用。医生依据自身的经验和习惯书写胸部X光片诊断报告,由于一些主观或者客观的原因,会开具一些影像描述与诊断结论不相符的异常诊断报告,因此对诊断报告进行异常检测有着重要的研究意义。胸片诊断报告未登录词多、数据高维稀疏,缺乏大量有效标注,传统方法检测异常胸片诊断报告效果不佳,为此,提出了一种基于主题模型的胸部X光片诊断报告异常检测方法。首先用双向LSTM-CRF模型结合诊断报告中的字符级特征,获取特定的医疗术语特征,解决诊断报告中未登录词多,描述自由的问题。然后依据领域知识和模板将诊断报告进行有效的特征扩展,缓解数据稀疏问题。最后用LDA模型判断诊断报告中影像描述与诊断结论特征是否匹配,检测出异常胸片诊断报告。实验结果表明,在阈值为2的情况下,异常检测的准确率为92.82%,召回率为69.54%,检测性能优于传统方法的。     

基于双向长短时记忆单元和卷积神经网络的多语种文本分类方法

针对日渐丰富的多语种文本数据,为了实现对同一类别体系下不同语种的文本分类,充分发挥多语种文本信息的价值,提出一种结合双向长短时记忆单元和卷积神经网络的多语种文本分类模型BiLSTM-CNN模型。针对每个语种,利用双向长短时记忆神经网络提取文本特征,并引入卷积神经网络进行特征优化,获得各语种更深层次的文本表示,最后将各语种的文本表示级联输入到softmax函数预测类别。在中英朝科技文献平行数据集上进行了实验验证,实验结果表明,该方法相比于基准方法分类正确率提高了4%,且对任一语种文本均能正确分类,具有良好的扩展性。     

一种基于双向LSTM的联合学习的中文分词方法

针对现有的基于深度学习的神经网络模型通常都是对单一的语料库进行训练学习,提出了一种大规模的多语料库联合学习的中文分词方法。语料库分别为简体中文数据集（PKU、MSRA、CTB6）和繁体中文数据集（CITYU、AS）,每一个数据集输入语句的句首和句尾分别添加一对标志符。应用BLSTM（双向长短时记忆模型）和CRF（条件随机场模型）对数据集进行单独训练和多语料库共同训练的实验,结果表明大规模的多语料库共同学习训练能取得良好的分词效果。     

基于FCN-LSTM的工业烟尘图像分割

工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测, 其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场景下对烟尘进行分割时容易受到干扰,分割准确度有待提高。针对这一问题,提出一种基于FCN-LSTM的工业烟尘图像分割方法,在全卷积网络对图像空间特征提取的基础上,使用长短时记忆网络提取图像序列的时间信息,通过烟尘的动态特征对运动的烟尘和背景进行区分,增强复杂场景下的抗干扰能力。实验表明,本文模型相比于全卷积网络,在复杂场景下的抗干扰能力有显著提升,能够有效克服来自云的干扰,对全卷积网络分割结果中易出现干扰点的问题也有改善,IoU指标最高有8.04%的提升。     

基于ARP与DNS欺骗的重定向技术的研究

网络信息的检测与控制是网络管理的基本职责,限制客户端对非法网站访问是网络管理的重要任务.通过分析ARP欺骗的原理,利用ARP欺骗的方法对局域网内信息进行监听,分析DNS查询数据报内容,在ARP欺骗的基础上结合DNS欺骗对非法访问进行重定向技术进行了研究,并提出了相应的算法,减少了客户端对非法网站访问,实现了自动网络监控的功能.     

四旋翼无人机的多模型故障诊断

四旋翼无人机是一个强耦合非线性被控对象,准确地判断故障情况,并及时调整控制器参数对无人机的安全飞行具有重要的意义。针对四旋翼无人机的执行器部分失效故障,提出了一种多模型在线故障诊断方法。该方法根据不同故障模式建立故障模型集,通过模型集的并联运行对无人机工作模式进行在线监测。仿真结果表明,对于单旋翼执行器部分失效故障,该方法能够快速准确地获得故障模型参数。