基于机器学习的无人机传感器攻击在线检测和恢复方法

摘要：

针对无人机(unmanned aerial vehicles,UAV)飞行控制系统的传感器注入攻击能够诱导无人机接受错误的传感器信号或数据,错误估计系统状态,从而威胁无人机的飞行安全.当前针对无人机传感器注入攻击的在线检测和恢复方法存在检测精度不高、系统状态恢复缺乏持续性、控制模型精度及检测精度受无人机硬件算力限制的问题.提出了 一种基于轻量级机器学习模型的无人机传感器攻击在线检测和恢复方法(machine learning based runtime detection and recovery method against UAV sensor attacks,LDR),利用机器学习模型对非线性反馈控制系统的表征能力相比线性模型更强的特点,构建各传感器对应的预测模型,对不同传感器对应的无人机系统状态进行准确预测,结合提出的缓解预测误差短时振荡的攻击检测算法,对GPS传感器攻击和陀螺仪读数攻击进行有效的检测和系统状态恢复.实验结果表明,所提方法的开销满足飞控系统的实时性要求,具有高可靠性和预测有效性,对典型攻击的在线检测和恢复效果相比现有工作更好.

关键词：无人机、异常检测、传感器攻击、机器学习、嵌入式软件

所属期刊栏目：60

分类号：TP309.1(计算技术、计算机技术)

在线出版日期：2023-12-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2291-2303