CN111208843B - 基于gps和光流计融合的无人机传感器欺骗检测方法 - Google Patents
基于gps和光流计融合的无人机传感器欺骗检测方法 Download PDFInfo
- Publication number
- CN111208843B CN111208843B CN202010016998.XA CN202010016998A CN111208843B CN 111208843 B CN111208843 B CN 111208843B CN 202010016998 A CN202010016998 A CN 202010016998A CN 111208843 B CN111208843 B CN 111208843B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- gps
- optical flow
- flow meter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003287 optical effect Effects 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 230000010354 integration Effects 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000005070 sampling Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 230000004927 fusion Effects 0.000 abstract description 31
- 238000004088 simulation Methods 0.000 abstract description 8
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明属于自主导航无人机飞行安全技术领域，具体涉及一种基于GPS和光流计融合的无人机传感器欺骗检测方法。本发明提出了一种无人机传感器信息融合模型，模型的融合级别属于决策层，融合架构属于后融合架构。模型的输入数据为GPS和光流计采集的原始数据，通过对任务中无人机实时采集的GPS和光流计的数据信息进行解析，根据两组数据分别计算出无人机实时的飞行路程；模型的输出为两组飞行路程数据融合后的信息。通过仿真实验验证了本发明实现了对GPS生成式欺骗的实时检测，高效准确。
Description
技术领域
本发明属于自主导航无人机飞行安全技术领域，具体涉及一种基于GPS和光流计融合的无人机传感器欺骗检测方法。
背景技术
无人系统的传感器是保证无人系统不对环境或自身造成伤害的不可或缺的部分，任务过程中的无人机一旦发生传感器的数据异常或者丢失，极大可能会造成任务失败，严重时会导致机体坠毁，因此无人系统传感器的安全问题越发受到重视。传统的传感器安全工作通常只关注传感器网络中数据传输的安全性，而忽略了传感器本身的安全威胁分析和数据保护。此外，由于技术或成本的限制，商业传感器通常无法区分正常和异常数据。目前无人机传感器的攻击主要包括GPS欺骗、光流欺骗、超声干涉陀螺仪和机器视觉欺骗。
无人机的定位、导航和返航任务在很大程度上依赖于GPS。然而，无人机使用的民用GPS信号结构是完全开放和未加密的，地面设备接收到的信号非常微弱。因此，GPS信号很容易受到干扰和欺骗。软件无线电的发展使得GPS欺骗变得容易且成本低廉，故在上述提到的几种欺骗里无人机最常见的欺骗是GPS欺骗。GPS欺骗可能导致无人机失控甚至被劫持，所以在目前复杂的物理环境中，不能再根据单一的传感器来控制无人机，多传感器信息融合是将多个传感器的输出信息加以处理、综合和分析、从而产生比单一信息源更准确、更完整的估计和判决的技术，根据这项技术我们可以更加准确和搞笑的掌握无人机的实时状态。
发明内容
本发明的目的在于提供一种基于GPS和光流计融合的无人机传感器欺骗检测方法。
本发明的目的通过如下技术方案来实现：包括以下步骤：
步骤1：在无人机的飞行过程中，以设定的采样频率实时采集GPS传感器和光流计的数据；
GPS传感器单次采样得到的经纬度数据为(xt,yt)；其中，t为采样次数；xt为经度；yt为纬度；光流计单次采样得到的数据为(at,bt,ct)；其中，at为无人机的对地距离，单位为米；bt为以弧度表示的累积光流，其中一个正值是由围绕X体轴的RH旋转产生的；ct为以弧度表示的累积光流，其中一个正值是由围绕Y体轴的RH旋转产生的；
步骤2：根据相邻两次的GPS传感器数据，计算GPS传感器得到的无人机在两次数据采样中的飞行距离
并与上次计算结果
叠加得到GPS传感器测得的无人机在任务时间内的飞行路程
其中，R为地球半径；
步骤3：利用光流计采样得到的数据计算出无人机在两次采样中一个像素点的移动距离，即飞行距离
并与上次计算结果
叠加得到光流计测得的无人机在任务时间内的飞行路程
步骤4：计算GPS传感器测得的无人机在任务时间内的飞行路程
与光流计测得的无人机在任务时间内的飞行路程
之间的差值的绝对值diff；
步骤5：根据无人机在物理环境正常状态下的多次飞行试验，设置安全阈值；判断diff是否大于安全阈值；若diff大于安全阈值，则判定无人机受到了GPS传感器的欺骗；
步骤6：返回步骤2，进行下一次无人机传感器欺骗检测。
本发明的有益效果在于：
本发明提出了一种无人机传感器信息融合模型，模型的融合级别属于决策层，融合架构属于后融合架构。模型的输入数据为GPS和光流计采集的原始数据，通过对任务中无人机实时采集的GPS和光流计的数据信息进行解析，根据两组数据分别计算出无人机实时的飞行路程；模型的输出为两组飞行路程数据融合后的信息。通过仿真实验验证了本发明实现了对GPS生成式欺骗的实时检测，高效准确。
附图说明
图1为一种基于GPS和光流计融合的无人机传感器欺骗检测方法的结构图。
图2为一种基于GPS和光流计融合的无人机传感器欺骗检测方法的流程图。
图3为一种基于GPS和光流计融合的无人机传感器欺骗检测方法的具体实现代码表。
具体实施方式
下面结合附图对本发明做进一步描述。
本发明设计了一种基于GPS和光流计融合的无人机传感器欺骗检测方法，属于自主导航无人机飞行安全技术领域，具体涉及到GPS欺骗攻击检测技术和数据融合技术。本发明提出了一种无人机传感器信息融合模型，模型的融合级别属于决策层，融合架构属于后融合架构。模型的输入数据为GPS和光流计采集的原始数据，通过对任务中无人机实时采集的GPS和光流计的数据信息进行解析，根据两组数据分别计算出无人机实时的飞行路程；模型的输出为两组飞行路程数据融合后的信息。通过仿真实验验证了本发明实现了对GPS生成式欺骗的实时检测，高效准确。
一种基于GPS和光流计融合的无人机传感器欺骗检测方法，包括以下步骤：
步骤1：在无人机的飞行过程中，以设定的采样频率实时采集GPS传感器和光流计的数据；
GPS传感器单次采样得到的经纬度数据为(xt,yt)；其中，t为采样次数；xt为经度；yt为纬度；光流计单次采样得到的数据为(at,bt,ct)；其中，at为无人机的对地距离，单位为米；bt为以弧度表示的累积光流，其中一个正值是由围绕X体轴的RH旋转产生的；ct为以弧度表示的累积光流，其中一个正值是由围绕Y体轴的RH旋转产生的；
步骤2：根据相邻两次的GPS传感器数据，计算GPS传感器得到的无人机在两次数据采样中的飞行距离
并与上次计算结果
叠加得到GPS传感器测得的无人机在任务时间内的飞行路程
其中，R为地球半径；
步骤3：利用光流计采样得到的数据计算出无人机在两次采样中一个像素点的移动距离，即飞行距离
并与上次计算结果
叠加得到光流计测得的无人机在任务时间内的飞行路程
步骤4：计算GPS传感器测得的无人机在任务时间内的飞行路程
与光流计测得的无人机在任务时间内的飞行路程
之间的差值的绝对值diff；
步骤5：根据无人机在物理环境正常状态下的多次飞行试验，设置安全阈值；判断diff是否大于安全阈值；若diff大于安全阈值，则判定无人机受到了GPS传感器的欺骗；
步骤6：返回步骤2，进行下一次无人机传感器欺骗检测。
实施例1：
一种基于GPS和光流计融合的无人机传感器欺骗检测方法，在基于数据融合分析检测阶段，本发明分别利用GPS和光流计以5HZ的频率采集到的实时数据计算出无人机在物理环境正常状态下的飞行距离，并将两组数据实现决策融合，考虑飞行环境存在的客观因素，设置一个合理的飞行安全阈值，在欺骗仿真实验中，根据输出的融合数据是否在阈值范围内，进而发现GPS欺骗攻击。在本实施例中采样频率取5HZ，安全阈值取10。
具体基于GPS和光流计数据融合的无人机传感器欺骗检测算法如图3所示，其中涉及参数的物理意义如下：
gps_lat：纬度
gps_lon：经度
flow_x：以弧度表示的累积光流，其中一个正值是由围绕X体轴的RH旋转产生的
flow_y：以弧度表示的累积光流，其中一个正值是由围绕Y体轴的RH旋转产生的
ground_dis:以米为单位的对地距离
t：频率为5HZ的数据采样次数
dis_gps_：根据两组相邻的GPS原始数据计算出的位移
dis_flow_：根据单位时间内像素点在二维坐标系两个方向上移动距离计算出的位移
dis_gps：根据GPS数据计算出的无人机的实时飞行路程
dis_flow：根据光流计数据计算出的无人机的实时飞行路程
D：输出信息，包含当前的采样处在第几次和当前次数下diff的实际输出。
S1.1在无人机的飞行过程中，以5HZ的频率实时采集GPS传感器和光流计原始数据G、O，采样次数记为t。
S2.2将两组输入作为输入传入到融合模型中。在模型中，根据公式利用相邻两次的GPS原始数据计算出的无人机在两次数据采样中飞行的距离dis_gps_，再其进行累加得到无人机在任务时间内的飞行路程dis_gps。
dis_gps+＝dis_gps_
其中，(xa,xb)和(ya,yb)是相邻两次的GPS经纬度原始数据(gps_lont，gps_latt)和(gps_lont+1，gps_latt+1)。R为地球半径，R＝6371.004km。
根据公式利用光流计的原始数据计算出无人机在两次采样中一个像素点的移动距离，即飞行距离dis_flow_，再将去累加得到无人机在任务时间内的飞行路程dis_flow。
dis_flow+＝dis_flow_
其中，a、b、c为光流计单次采集到的三个原始数据，a＝ground_dist，b＝flow_xt，c＝flow_yt。
两组数据分别计算出了无人机实时的飞行路程，将其做差取绝对值，根据无人机在物理环境正常状态下的多次飞行试验，设置合理的误差值，作为安全阈值。
diff＝|dis_gps-dis_flow|
S3.3仿真实验中，结合阈值进行攻击检测。通过HackRF One生成虚假的GPS信号欺骗任务中的无人机，如果当前时刻通过算法输出的信息大于设定的安全阈值，则无人机受到了欺骗。
针对现有的无人机传感器智能系统中存在的易遭受的以GPS欺骗攻击为代表的传感器欺骗问题，本发明采用的技术方案为基于GPS和光流计融合的无人机传感器欺骗检测方法，采用多源数据决策层融合的方法实现对GPS信号生成式欺骗的检测。仿真实验中，验证该方法可以有效的检测无人机在飞行过程受到了GPS欺骗，理论上，当本发明提出的融合模型中的任意一传感器受到欺骗，方法均有效。
在现有的无人机GPS导航过程中，无人机根据接收到的GPS信号数据可以计算出飞行的实时路程，无论是匀速或加速飞行中，路程信息的增长都应该是可控的，因此如果GPS接收的数据出现错误，路程信息就会出现激增。本发明通过对根据多个传感器采集的数据计算出的飞行路程信息进行决策融合，进而进行分析处理，来判断无人机飞行过程中融合模型成员传感器的安全状态。
在通过数据融合的具体检测阶段，由于无人机受到GPS欺骗攻击时，GPS信号会突然发生很大的变化，从而造成根据GPS计算的飞行路程信息激增，在模型中同光流计计算的路程信息融合后的数据信息也会随之发生很大的变化。因此本发明通过对无人机在各传感器安全工作的状态下多次试飞得到的融合数据的分析，设置合理的判断安全阈值，根据实际飞行中的输出是否在阈值内来发现GPS欺骗攻击行为。
本发明的一种基于GPS和光流计融合的无人机传感器欺骗检测方法的结构图如图1所示，一种基于GPS和光流计融合的无人机传感器欺骗检测方法的流程图如图2所示。仿真实验具体步骤如下：
1、实验用到的硬件设备：
计算机：Lenovo启天M415-N000
无人机(四旋翼飞行器)：一台自组装的无人机，搭载2.4.8的Pixhawk，目标传感器的型号分别为GPS M8N和PX4flow v1.3.1。
无线遥控器：乐迪AT9S
GPS欺骗信号生成设备：HackRF One
2、设计融合模型。融合模型中的成员传感器有光流计和GPS，参与融合的数据为根据各成员传感器采集的原始数据计算出的无人机的实时飞行路程，融合信息的物理意义是两组数据的实时误差。飞行任务过程中融合模型的输入为GPS和光流计采集到的实时原始数据，输出为融合信息和当前数据采样的次数，数据采样的频率为5HZ，根据次数可以计算出具体的飞行时间。
3、该发明代码实现的开发平台是PX4 v1.9.0-395-g1fb8061，接收无人机异常状信号和下载PX4输出文件信息的软件平台为QGroundConcrol v3.5.5(QGC)，数据读取软件为ulog。通过对无人机在各传感器安全工作的状态下多次试飞得到的融合数据的分析，设置合理的判断安全阈值。
4、在仿真实验中，无人机起飞后，利用HackRF One设置自定义的GPS信息并发送来欺骗无人机，一旦无人机接收到HackRF One的信号，即被欺骗，同无人机无线连接QGC会报出warning信号。目前的实验中为实现无人机对于欺骗的自主反应，所以在接到监测到warning信号后，手动使无人机降落；然后下载分析飞行日志里的融合信息，可以看出当无人机被欺骗时，融合模型输出的数据远远大于安全阈值。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于GPS和光流计融合的无人机传感器欺骗检测方法，其特征在于，包括以下步骤：
步骤1：在无人机的飞行过程中，以设定的采样频率实时采集GPS传感器和光流计的数据；
GPS传感器单次采样得到的经纬度数据为(xt,yt)；其中，t为采样次数；xt为经度；yt为纬度；光流计单次采样得到的数据为(at,bt,ct)；其中，at为无人机的对地距离，单位为米；bt为以弧度表示的累积光流，其中一个正值是由围绕X体轴的RH旋转产生的；ct为以弧度表示的累积光流，其中一个正值是由围绕Y体轴的RH旋转产生的；
步骤2：根据相邻两次的GPS传感器数据，计算GPS传感器得到的无人机在两次数据采样中的飞行距离
并与上次计算结果
叠加得到GPS传感器测得的无人机在任务时间内的飞行路程
其中，R为地球半径；
步骤3：利用光流计采样得到的数据计算出无人机在两次采样中一个像素点的移动距离，即飞行距离
并与上次计算结果
叠加得到光流计测得的无人机在任务时间内的飞行路程
步骤4：计算GPS传感器测得的无人机在任务时间内的飞行路程
与光流计测得的无人机在任务时间内的飞行路程
之间的差值的绝对值diff；
步骤5：根据无人机在物理环境正常状态下的多次飞行试验，设置安全阈值；判断diff是否大于安全阈值；若diff大于安全阈值，则判定无人机受到了GPS传感器的欺骗；
步骤6：返回步骤2，进行下一次无人机传感器欺骗检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010016998.XA CN111208843B (zh) | 2020-01-08 | 2020-01-08 | 基于gps和光流计融合的无人机传感器欺骗检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010016998.XA CN111208843B (zh) | 2020-01-08 | 2020-01-08 | 基于gps和光流计融合的无人机传感器欺骗检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111208843A CN111208843A (zh) | 2020-05-29 |
| CN111208843B true CN111208843B (zh) | 2023-05-05 |
Family
ID=70784317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010016998.XA Active CN111208843B (zh) | 2020-01-08 | 2020-01-08 | 基于gps和光流计融合的无人机传感器欺骗检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111208843B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013003517A2 (en) * | 2011-06-29 | 2013-01-03 | Bae Systems Information And Electronic Systems Integration Inc. | Methods and systems for detecting gps spoofing attacks |
| US9725171B1 (en) * | 2015-09-25 | 2017-08-08 | Amazon Technologies, Inc. | Analyzing navigation data to detect navigation data spoofing |
| US9849978B1 (en) * | 2015-09-25 | 2017-12-26 | Amazon Technologies, Inc. | Detecting of navigation data spoofing based on sensor data |
| CN109358344A (zh) * | 2018-11-07 | 2019-02-19 | 西安电子科技大学 | 一种基于多源信息融合的无人机抗gps欺骗系统及方法 |
| CN109444922A (zh) * | 2018-11-28 | 2019-03-08 | 北京工业大学 | 面向自主导航无人机gps欺骗检测与防御方法 |
| CN110308464A (zh) * | 2019-05-21 | 2019-10-08 | 西安电子科技大学 | 一种无人机gps欺骗检测方法 |
-
2020
- 2020-01-08 CN CN202010016998.XA patent/CN111208843B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013003517A2 (en) * | 2011-06-29 | 2013-01-03 | Bae Systems Information And Electronic Systems Integration Inc. | Methods and systems for detecting gps spoofing attacks |
| US9725171B1 (en) * | 2015-09-25 | 2017-08-08 | Amazon Technologies, Inc. | Analyzing navigation data to detect navigation data spoofing |
| US9849978B1 (en) * | 2015-09-25 | 2017-12-26 | Amazon Technologies, Inc. | Detecting of navigation data spoofing based on sensor data |
| CN109358344A (zh) * | 2018-11-07 | 2019-02-19 | 西安电子科技大学 | 一种基于多源信息融合的无人机抗gps欺骗系统及方法 |
| CN109444922A (zh) * | 2018-11-28 | 2019-03-08 | 北京工业大学 | 面向自主导航无人机gps欺骗检测与防御方法 |
| CN110308464A (zh) * | 2019-05-21 | 2019-10-08 | 西安电子科技大学 | 一种无人机gps欺骗检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孙琳 ; 李小波 ; 毛云祥 ; 徐旭宇 ; .基于多机协同的组网雷达欺骗干扰策略.电子信息对抗技术.2016,(第03期),全文. * |
| 戴博文 ; 肖明波 ; 黄苏南 ; .无人机GPS欺骗干扰方法及诱导模型的研究.通信技术.2017,(第03期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111208843A (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Efficient drone hijacking detection using onboard motion sensors | |
| US8922427B2 (en) | Methods and systems for detecting GPS spoofing attacks | |
| Birnbaum et al. | Unmanned aerial vehicle security using behavioral profiling | |
| Feng et al. | An efficient uav hijacking detection method using onboard inertial measurement unit | |
| CN110308464B (zh) | 一种无人机gps欺骗检测方法 | |
| CN108318868A (zh) | 基于ads-b数据源的雷达战术性能测试评估方法 | |
| CN108153980A (zh) | 基于ads-b与tcas数据融合的综合显示方法 | |
| CN113137967B (zh) | 一种机器人定位方法、装置、机器人和可读存储介质 | |
| Liang et al. | Detection of GPS spoofing attack on unmanned aerial vehicle system | |
| Kamal et al. | GPS location spoofing attack detection for enhancing the security of autonomous vehicles | |
| Khan et al. | Intrusion detection in automatic dependent surveillance-broadcast (ADS-B) with machine learning | |
| CN112083446B (zh) | 定位欺骗干扰源的方法及装置 | |
| CN103926569B (zh) | 三坐标雷达网基于交叉定位点关联的集中式与分布式压制干扰鉴别方法 | |
| CN114629698A (zh) | 基于车辆状态估计的自动驾驶网络攻击检测系统及方法 | |
| CN105676170A (zh) | 一种用于多目标无源定位与跟踪的虚假点去除方法 | |
| Dasanayaka et al. | Analysis of vehicle location prediction errors for safety applications in cooperative-intelligent transportation systems | |
| CN111208843B (zh) | 基于gps和光流计融合的无人机传感器欺骗检测方法 | |
| CN110471029A (zh) | 一种基于扩展卡尔曼滤波的单站无源定位方法及装置 | |
| CN113532499A (zh) | 无人系统的传感器安全性检测方法、设备及存储介质 | |
| EP4377823A1 (en) | Technique for detecting cyber attacks on radars | |
| US8005614B2 (en) | Method for monitoring the integrity of an aircraft position computed on board | |
| CN105184888A (zh) | 一种智能巡检装置 | |
| Davidovich et al. | VISAS--Detecting GPS spoofing attacks against drones by analyzing camera's video stream | |
| Zhang et al. | Cooperative perception for safe control of autonomous vehicles under lidar spoofing attacks | |
| Chen et al. | DPM: Towards Accurate Drone Position Manipulation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |