CN111954219B - 一种无人机的欺骗攻击的检测方法、系统及装置 - Google Patents
一种无人机的欺骗攻击的检测方法、系统及装置 Download PDFInfo
- Publication number
- CN111954219B CN111954219B CN202010742563.3A CN202010742563A CN111954219B CN 111954219 B CN111954219 B CN 111954219B CN 202010742563 A CN202010742563 A CN 202010742563A CN 111954219 B CN111954219 B CN 111954219B
- Authority
- CN
- China
- Prior art keywords
- information
- processed
- value
- attack
- unmanned aerial
- 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
Images
Abstract
本发明实施例提供了一种无人机的欺骗攻击的检测方法、系统及装置,该方法包括:接收多个待处理信息;根据接收每个待处理信息时无人机的第一位置、与无人机连接的地面基站的第二位置和地面基站的发送功率,确定每个待处理信息的理论接收信号强度值;计算每个待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;检测多个待处理信息中是否存在攻击信息,攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;若存在攻击信息,则确定无人机受到欺骗攻击。通过上述方法提高了检测无人机的欺骗攻击的准确性。
Description
技术领域
本发明涉及无人机通讯技术领域,特别是涉及一种无人机的欺骗攻击的检测方法、系统及装置。
背景技术
随着科技的快速推进,无人机技术飞速发展。由于无人机具有高灵活性等优点,在很多领域得到了广泛应用。例如,无人机可用作空中BS(Base Station,基站),可以向所需区域提供可靠且经济高效的无线通信。此外,无人机还可以与地面用户设备共存,用作被称为蜂窝式无人飞行器的空中UE(User Equipment,用户设备)。由于无线环境的开放性,当无人机作为空中UE时,无人机类似于地面用户设备,在和GCS(Ground Control Station,地面基站)进行通信时,容易遭受来自MA(Malicious Attackers,恶意攻击者)的欺骗攻击。例如,MA可以伪造成GCS的信号来欺骗无人机,这对无人机的安全构成严重的威胁。
针对无人机的欺骗攻击,现有的一些研究中,有通过网络层创建私钥的方式抵抗针对无人机的欺骗攻击,还有通过对无人机和地面基站的物理层信道加密的方式认证通信双方的合法性,来抵抗针对无人机的欺骗攻击,再有物理层信道的特性也已经被用来应对针对无人机的欺骗攻击。上述应对针对无人机的欺骗攻击方案的基本思想主要来自以下事实依据:由于传播环境的显著差异,来自GCS和MA的物理层信道将明显不同,MA难以模仿GCS的物理层信道特征。
上述利用物理层信道特性检测欺骗攻击,认证合法用户的研究很多,这些研究中涉及到的物理层信道特性有信道系数、功率谱、频率偏移和多径延迟等信道参数。具体为,根据地对空系统的远距离特性,当MA在地面上与GCS有一定的位置差距时,无人机在空中接收到GCS发送的信息的RSS(Received Signal Strength,接收信号强度)与MA发送的信息的RSS存在明显的路径损耗差异。因此可以基于RSS来判断信息是否来自GCS,检测针对无人机的欺骗攻击。又由于RSS的固有简单性以及不需要额外的天线或时间同步,基于RSS的物理层信道特性检测针对无人机的欺骗攻击不失为一个很有价值的研究。
然而,现有基于RSS的物理层信道特性检测针对无人机的欺骗攻击的方案中,MA可以通过调整发送功率或者移动自己的物理位置伪造RSS,也就是使无人机收到的来自MA的RSS和理论上来自GCS的RSS值相等。这使得现有方案中存在检测漏洞或者检测结果不够准确的问题。
发明内容
本发明实施例的目的在于提供一种无人机的欺骗攻击的检测方法、系统及装置,以提高检测无人机的欺骗攻击的准确性。具体技术方案如下:
为达到上述目的,本发明实施例提供了一种无人机的欺骗攻击的检测方法,应用于无人机,所述方法包括:
接收多个待处理信息;
根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值;
计算每个所述待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;
检测所述多个待处理信息中是否存在攻击信息,所述攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;
若存在所述攻击信息,则确定所述无人机受到欺骗攻击。
可选的,所述方法还包括:
计算每相邻两个所述待处理信息的实际接收信号强度值的第一差值,以及每相邻两个所述待处理信息的理论接收信号强度值之间的第二差值;
检测多组相邻两个所述待处理信息中是否存在攻击信息组,所述攻击信息组为对应的所述第一差值的变化率与所述第二差值的变化率不同的相邻两个待处理信息;
所述若存在所述攻击信息,则确定所述无人机受到欺骗攻击的步骤,包括:
若存在所述攻击信息,和/或存在所述攻击信息组,则确定所述无人机受到欺骗攻击。
可选的,所述方法还包括:
若不存在所述攻击信息,且不存在所述攻击信息组,则确定所述无人机未受到欺骗攻击。
可选的,所述方法还包括:
若存在所述攻击信息,则将所述攻击信息的实际接收信号强度值、以及接收所述攻击信息时所述无人机的第一位置发送给所述地面基站,以使所述地面基站根据所述攻击信息的实际接收信号强度值和所述攻击信息对应的第一位置,确定所述攻击信息对应的发送端的位置。
可选的,在接收多个待检测信息之前,所述方法还包括:
接收所述地面基站发送的多个模拟信息;
根据接收每个所述模拟信息时所述无人机的第三位置、所述地面基站的第四位置和所述地面基站的发送功率,确定每个所述模拟信息的理论接收信号强度值;
计算每个所述模拟信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,确定该模拟信息对应的模拟强度差值;
根据所述多个模拟信息对应的多个模拟强度差值,确定预设差值阈值。
可选的,所述根据所述多个模拟信息对应的多个模拟强度差值,确定预设差值阈值的步骤,包括:
从所述多个模拟信息对应的多个模拟强度差值中选择一个模拟强度差值,作为初始差值阈值;或
确定模拟强度差值区间,所述模拟强度差值区间的最大值为所述多个模拟信息对应的多个模拟强度差值中的最大模拟强度差值,所述模拟强度区间的最小值为所述多个模拟强度差值中的最小模拟强度差值;根据二分法,确定所述模拟强度差值区间中欺骗攻击检测正确率最大的模拟强度差值,作为预设差值阈值。
可选的,所述根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值的步骤,包括:
针对每个所述待处理信息,根据接收该待处理信息时所述无人机的第一位置,以及所述地面基站的第二位置,确定所述地面基站相对于所述无人机的仰角,以及确定所述无人机与所述地面基站之间的直线距离;
利用以下公式确定该待处理信息的理论接收信号强度值:
其中,RSSG为该待处理信息的理论接收信号强度值,PT为所述地面基站的发送功率,θ为所述地面基站相对于所述无人机的仰角,α(θ)为仰角θ对应的路径损耗指数,d为所述无人机与所述地面基站之间的直线距离,d0为预设参考距离,K为预设参考值。
为达到上述目的,本发明实施例还提供了一种无人机的欺骗攻击的检测系统,所述系统包括无人机和地面基站;
所述地面基站,用于向所述无人机发送待处理信息;
所述无人机,用于接收多个待处理信息;根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值;计算每个所述待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;检测所述多个待处理信息中是否存在攻击信息,所述攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;若存在所述攻击信息,则确定所述无人机受到欺骗攻击。
可选的,所述无人机,还用于:
若存在所述攻击信息,则将所述攻击信息的实际接收信号强度值、以及接收所述攻击信息时所述无人机的第一位置发送给所述地面基站;
所述地面基站,还用于根据所述攻击信息的实际接收信号强度值和所述攻击信息对应的第一位置,确定所述攻击信息对应的发送端的位置。
为达到上述目的,本发明实施例还提供了一种无人机的欺骗攻击的检测装置,所述装置包括:
第一接收模块,用于接收多个待处理信息;
第一确定模块,用于根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值;
第一计算模块,用于计算每个所述待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;
第一检测模块,用于检测所述多个待处理信息中是否存在攻击信息,所述攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;
第二确定模块,用于若存在所述攻击信息,则确定所述无人机受到欺骗攻击。
可选的,所述装置还包括:
第二计算模块,用于计算每相邻两个所述待处理信息的实际接收信号强度值的第一差值,以及每相邻两个所述待处理信息的理论接收信号强度值之间的第二差值;
第二检测模块,用于检测多组相邻两个所述待处理信息中是否存在攻击信息组,所述攻击信息组为对应的所述第一差值的变化率与所述第二差值的变化率不同的相邻两个待处理信息;
第二确定模块,具体用于若存在所述攻击信息,和/或存在所述攻击信息组,则确定所述无人机受到欺骗攻击。
可选的,所述装置还包括:
第三确定模块,用于若不存在所述攻击信息,且不存在所述攻击信息组,则确定所述无人机未受到欺骗攻击。
可选的,所述装置还包括:
发送模块,用于若存在所述攻击信息,则将所述攻击信息的实际接收信号强度值、以及接收所述攻击信息时所述无人机的第一位置发送给所述地面基站,以使所述地面基站根据所述攻击信息的实际接收信号强度值和所述攻击信息对应的第一位置,确定所述攻击信息对应的发送端。
可选的,所述装置还包括:
第二接收模块,用于在接收多个待检测信息之前,接收所述地面基站发送的多个模拟信息;
第三计算模块,用于根据接收每个所述模拟信息时所述无人机的第三位置、所述地面基站的第四位置和所述地面基站的发送功率,确定每个所述模拟信息的理论接收信号强度值;
第四计算模块,用于计算每个所述模拟信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,确定该模拟信息对应的模拟强度差值;
第四确定模块,用于根据所述多个模拟信息对应的多个模拟强度差值,确定预设差值阈值。
可选的,所述第四确定模块具体用于:
从所述多个模拟信息对应的多个模拟强度差值中选择一个模拟强度差值,作为预设差值阈值;或
确定模拟强度差值区间,所述模拟强度差值区间的最大值为所述多个模拟信息对应的多个模拟强度差值中的最大模拟强度差值,所述模拟强度区间的最小值为所述多个模拟强度差值中的最小模拟强度差值;根据二分法,确定所述模拟强度差值区间中欺骗攻击检测正确率最大的模拟强度差值,作为预设差值阈值。
可选的,所述第一确定模块具体用于:
针对每个所述待处理信息,根据接收该待处理信息时所述无人机的第一位置,以及所述地面基站的第二位置,确定所述地面基站相对于所述无人机的仰角,以及确定所述无人机与所述地面基站之间的直线距离;
利用以下公式确定该待处理信息的理论接收信号强度值:
其中,RSSG为该待处理信息的理论接收信号强度值,PT为所述地面基站的发送功率,θ为所述地面基站相对于所述无人机的仰角,α(θ)为仰角θ对应的路径损耗指数,d为所述无人机与所述地面基站之间的直线距离,d0为预设参考距离,K为预设参考值。
为达到上述目的,本发明实施例还提供了一种无人机,所述无人机包括处理器、通信接口、存储器和通信总线,其中,处理器、通信接口、存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一所述的方法步骤。
为达到上述目的,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的方法步骤。
为达到上述目的,本发明实施例还提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述任一所述的方法步骤。
本发明实施例提供的技术方案的有益效果:
本发明实施例提供的一种无人机的欺骗攻击的检测方法、系统及装置,该方法根据多个待处理信息对应的信号强度误差值,判断多个待处理信息中是否存在来自恶意攻击者的信息。
恶意攻击者在获取到无人机的位置后,可以基于无人机的位置调整自身的发送功率,来伪造其发送的信息的实际接收信号强度值,从而欺骗无人机。但恶意攻击者无法准确获取到无人机的运行轨迹,因此恶意攻击者在向无人机发送1次信息后,无法继续基于无人机的位置来快速准确地调整自身的发送功率,也就无法再次向同一台无人机发送伪造过实际接收信号强度值的信息。因此,本发明实施例提供的技术方案中,基于多个待处理信息的信号强度误差值,可以更加准确地确定多个待处理信息中是否存在来自恶意攻击者的信息,提高了检测无人机的欺骗攻击的准确性。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种无人机的欺骗攻击的检测系统的一种结构示意图;
图2为本发明实施例提供的一种无人机的欺骗攻击的检测方法的第一种流程示意图;
图3为本发明实施例提供的一种无人机的欺骗攻击的检测方法的第二种流程示意图;
图4为本发明实施例提供的一种无人机的欺骗攻击的检测方法的第三种流程示意图;
图5为本发明实施例提供的一种无人机的欺骗攻击的检测方法的第四种流程示意图;
图6为本发明实施例提供的一种确定恶意攻击者位置的方法的一种流程示意图;
图7为本发明实施例提供的一种确定预设差值阈值的方法的一种流程示意图;
图8为本发明实施例提供的一种确定预设差值阈值的方法的另一种流程示意图;
图9为本发明实施例提供的一种确定预设差值阈值的方法的一种部分流程示意图;
图10为本发明实施例提供的一种确定预设差值阈值的方法的又一种流程示意图;
图11为本发明实施例提供的一种无人机的欺骗攻击的检测装置的一种结构示意图;
图12为本发明实施例提供的一种无人机的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为提高检测无人机的欺骗攻击的准确性,本发明实施例提供了一种无人机的欺骗攻击的检测方法、系统及装置,下面将结合附图对本发明实施例提供的一种无人机的欺骗攻击的检测方法、系统及装置进行详细说明。
为提高检测无人机的欺骗攻击的准确性,本发明实施例提供了一种无人机的欺骗攻击的检测系统。如图1所示,该系统包括地面基站11和无人机12。
地面基站11,用于向无人机12发送待处理信息。
无人机12,用于接收多个待处理信息;根据接收每个待处理信息时无人机12的第一位置、与无人机12连接的地面基站11的第二位置和地面基站11的发送功率,确定每个待处理信息的理论接收信号强度值;计算每个待处理信息实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;检测多个待处理信息中是否存在攻击信息,攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;若存在攻击信息,则确定无人机12受到欺骗攻击。
本发明实施例中,无人机12接收的多个待处理信息可以仅包括由地面基站11向无人机12发送的待处理信息,也可以仅包括由恶意攻击者13发送给无人机12的待处理信息;还可以包括由地面基站11向无人机12发送的待处理信息和由恶意攻击者13向无人机12发送的待处理信息。本发明实施例对此不作具体限定。
无人机12对接收到的多个待处理信息进行检测,判断多个待处理信息中是否存在来自于恶意攻击者13的攻击信息,也就是,判断多个待处理信息中是否存在对应的信号强度误差值大于预设误差阈值的待处理信息。若多个待处理信息中存在对应的信号强度误差值大于预设误差阈值的待处理信息,也就可以确定多个待处理信息中存在攻击信息,无人机12则确定自身受到欺骗攻击。
一种实施例中,无人机12,还可以用于若存在攻击信息,则将攻击信息的实际接收信号强度值、以及接收攻击信息时无人机12的第一位置发送给地面基站11。
地面基站11,还可以用于根据攻击信息的实际接收信号强度值和攻击信息对应的第一位置,确定攻击信息对应的发送端的位置。
本发明实施例中,若无人机12检测到多个待处理信息中存在攻击信息,则将攻击信息的实际接收信号强度值与攻击信息对应的第一位置发送给地面基站11。地面基站11接收到攻击信息的实际接收信号强度值与攻击信息对应的第一位置后,确定攻击信息对应的发送端的位置,即恶意攻击者13的位置,从而便于用户对恶意攻击者13采取相应的措施,其中攻击信息对应的第一位置为接收该攻击信息时无人机12的第一位置。
如图2所示,本发明实施例还提供了一种无人机的欺骗攻击的检测方法,上述方法应用于如图1所示的无人机12,上述方法包括以下步骤。
步骤201,接收多个待处理信息。
本发明实施例中,待处理信息既可以为由地面基站发送给无人机的信息,也可以为由恶意攻击者发送给无人机的信息。本发明实施例对此不作具体限定。
其中,多个待处理信息的数量的确定方法有多种。
一个实施例中,多个待处理信息的数量可以为预先设定好的具体数值,如多个待处理信息的数量可以为2个,也可以为5个或6个等。具体数值可以根据实际情况设定,本发明实施例对此不作具体限定。
另一个实施例中,多个待处理信息的数量也可以为预设时间段内无人机接收到的待处理信息的数量。预设时间段的时长可以根据实际情况设定,本发明实施例对此不作具体限定。
本发明实施例还可以通过其他方式确定多个待处理信息的数量,本发明实施例对此不作具体限定。
其中,多个待处理信息的数量越多,则检测无人机的欺骗攻击的准确性更高;多个待处理信息的数量越少,则检测无人机的欺骗攻击的计算过程越简单。因此多个待处理信息的数量可以根据实际情况设定,本发明实施例对此不作具体限定。
步骤202,根据接收每个待处理信息时无人机的第一位置、与无人机连接的地面基站的第二位置和地面基站的发送功率,确定每个待处理信息的理论接收信号强度值。
本发明实施例中,在无人机与地面基站的通信过程中,无人机的位置会发生变化,因此无人机在接收每个待处理信息时的位置(即第一位置)可能相同,也可能不同。也就是,每个待处理信息对应的第一位置可能相同,也可能不同。在无人机与地面基站的通信过程中,地面基站的第二位置以及地面基站的发送功率是不变的。
信号接收强度值与地面基站的发送功率和信息传输过程中的损失功率有关。其中,信息传输过程中的损失功率与发送端的位置及接收端的位置有关,本发明实施例中,发送端可以为地面基站或恶意攻击者,接收端可以为无人机。
本发明实施例中,在不考虑待处理信息在传输过程中阴影效应的影响的情况下,待处理信息的理论接收信号强度值与地面基站的发送功率和待处理信息在传输过程中的损失功率有关。其中,阴影效应为:在信息的传输过程中,传输路径上的大型建筑物及其他物体阻挡信息传播,从而导致在接收端(即无人机)的信息接收区域内形成半盲区的现象。
本发明实施例中,在无人机接收待处理信息后,不限定无人机计算该待处理信息的理论接收信号强度值的时间。
一个实施例中,无人机在接收待处理信息时便可以直接计算该待处理信息的理论接收信号强度值,并将计算出的理论接收信号强度值存储在无人机的数据存储单元中,在需要对多个待处理信息同时进行检测时,直接由数据存储单元中调取每一待处理信息的理论接收信号强度值。
另一个实施例中,无人机也可以在接收多个待处理信息后,对多个待处理信息的理论接收信号强度值进行统一计算,然后对多个待处理信息进行检测。
一种实施例中,上述步骤202可以为:针对每个待处理信息,根据接收该待处理信息时无人机的第一位置,以及地面基站的第二位置,确定地面基站相对于无人机的仰角,以及确定无人机与地面基站之间的直线距离;
利用以下公式确定该待处理信息的理论接收信号强度值:
其中,RSSG为该待处理信息的理论接收信号强度值,PT为地面基站的发送功率,θ为地面基站相对于无人机的仰角,α(θ)为仰角θ对应的路径损耗指数,d为无人机与地面基站之间的直线距离,d0为预设参考距离,K为预设参考值。
其中,α(θ)可以根据以下公式计算得到。
一种实施例中,在确定地面基站相对于无人机的仰角及地面基站与无人机之间的直线距离后,还可以利用以下公式确定待处理信息的理论接收信号强度值。
其中,RSSG为待处理信息的理论接收信号强度值,PT为地面基站的发送功率,θ为地面基站相对于无人机的仰角,α(θ)为θ对应的路径损耗指数,d为地面基站与无人机之间的直线距离,d0为预设参考距离,K为预设参考值,γ为预设参数。
步骤203,计算每个待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值。
本发明实施例中,无人机在接收待处理信息时可以直接获得该待处理信息的实际接收信号强度值。无人机在确定每个待处理信息实际接收信号强度值后,针对每个待处理信息,计算该待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,将该差值的绝对值作为该待处理信息对应的信号强度误差值。
一个实施例中,待处理信息的实际接收信号强度值可以为理论接收信号强度值与信息传输过程中阴影效应对应的损失功率的差值。实际接收信号强度值可以用以下公式表示:
RSSR=RSSG-ψ(θ)
其中,RSSR为待处理信息的实际接收信号强度值,RSSG为该待处理信息的理论接收信号强度值,ψ(θ)为阴影效应对应的损失功率,θ为地面基站相对于无人机的仰角。
其中,ψ(θ)为对数正态分布的随机变量,ψ(θ)的方差为σ2(θ),σ2(θ)的表达式可以为:
σLos(θ)=aLosexp(-bLosθ)
σNLos(θ)=aNLosexp(-bNLosθ)
其中,σ2(θ)表示阴影效应对应的损失功率的方差,θ为地面基站相对于无人机的仰角,σLos(θ)表示在视距因素的影响下待处理信息对应的阴影效应参数,σNLos(θ)为在非视距因素的影响下待处理信息对应的阴影效应参数,PLos(θ)表示θ对应的视距因素的影响概率,aLos表示在视距因素影响下的第一预设环境参数,bLos表示在视距因素影响下的第二预设环境参数,aNLos表示在非视距因素影响下的第一预设环境参数,bNLos表示在非视距因素影响下的第二预设环境参数。
本发明实施例中,信号强度误差值为理论信号接收强度值和实际信号接收强度值的差值的绝对值,可以理解为,信号强度误差值与待处理信息的传输路径所对应的阴影效应带来的损失效率有关,不同的传输路径对应的阴影效应带来的损失效率不同,因此通过信号强度误差值可以判断待处理信息的传输路径是否为由地面基站至无人机的路径,从而判断待处理信息是否来自于地面基站。
步骤204,检测多个待处理信息中是否存在攻击信息,攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息。若存在攻击信息,则执行步骤205。
本发明实施例中,攻击信息为由恶意攻击者向无人机发送的信息。若待处理信息的信号强度误差值大于预设误差阈值,则代表该待处理信息的实际接收信号强度值与以地面基站作为发送端时的实际接收信号强度值的偏差较大,进而可以确定该待处理信息的发送端不是地面基站,则该待处理信息为攻击信息。
其中,预设误差阈值可以由用户基于实际需求进行设定。预设误差阈值也可以通过模拟得到,预设误差阈值的获取方法后续会展开说明,此处不再赘述。
步骤205,确定无人机受到欺骗攻击。
本发明实施例中,多个待处理信息为无人机连续接收的多个信息。若多个待处理信息中存在攻击信息,为防止连续接收的多个待处理信息中存在未检测出的攻击信息,从而威胁到无人机的安全,无人机在确定多个待处理信息中存在攻击信息时,可将包括攻击信息的多个待处理信息一并丢弃,进而提高无人机的安全性。
本发明实施例中,恶意攻击者在获取到无人机的位置后,可以基于无人机的位置调整自身的发送功率,来伪造其发送的信息的实际接收信号强度值,从而欺骗无人机。但恶意攻击者无法准确获取到无人机的运行轨迹,因此恶意攻击者在向无人机发送1次信息后,无法继续基于无人机的位置来快速准确地调整自身的发送功率,也就无法再次向同一台无人机发送伪造过实际接收信号强度值的信息。因此,本发明实施例提供的方法基于多个待处理信息的信号强度误差值,可以更加准确地确定多个待处理信息中是否存在来自恶意攻击者的信息,提高了检测无人机的欺骗攻击的准确性。
一种实施例中,若无人机检测到多个待处理信息中不存在攻击信息,则可以确定无人机未受到欺骗攻击。
另一种实施例中,无人机可以结合多个待处理信息中是否存在攻击信息,以及多个待处理信息中是否存在攻击信息组,来确定无人机是否受到欺骗攻击。具体如图3所示,上述无人机的欺骗攻击的检测方法还可以包括以下步骤。
步骤206,计算每相邻两个待处理信息的实际接收信号强度值的第一差值,以及每相邻两个待处理信息的理论接收信号强度值之间的第二差值。
本发明实施例中,无人机在确定多个待处理信息的理论接收信号强度值与实际接收信号强度值后,计算多个待处理信息中相邻两个待处理信息的实际接收信号强度值的差值,作为这两个相邻的待处理信息的第一差值;计算多个待处理信息中相邻两个待处理信息的理论接收信号强度值的差值,作为这两个相邻的待处理信息的第二差值。
步骤207,检测多组相邻两个待处理信息中是否存在攻击信息组,攻击信息组为对应的第一差值的变化率与第二差值的变化率不同的相邻两个待处理信息。若是,则执行步骤205。
本发明实施例中,以多个待处理信息中相邻的两个待处理信息为一个信息组。在获取信息组的第一差值与第二差值后,可以基于第一差值与第二差值的变化率,确定该信息组否为攻击信息组。其中,若信息组为攻击信息组,则表示该信息组中存在由恶意攻击者发送给无人机的信息。
本发明实施例中,第一差值与第二差值的变化率可以有多种含义。
一个实施例中,变化率以正负性表示,即第一差值与第二差值的变化率可以通过第一差值与第二差值的正负性表示。例如,若第一差值为正值,第二差值为负值,则代表信息组包含的两个待处理信息中,第一个待处理信息的实际接收信号强度值相对于第二个待处理信息的实际接收信号强度值增加,而第一个待处理信息的理论接收信号强度值相对于第二个待处理信息的理论接收信号强度值减小;或,代表信息组包含的两个待处理信息中,第一个待处理信息的实际接收信号强度值相对于第二个待处理信息的实际接收信号强度值减小,而第一个待处理信息的理论接收信号强度值相对于第二个待处理信息的理论接收信号强度值增加。基于此,可以确定该信息组包含的两个待处理信息的实际接收信号强度值与理论接收信号强度值不是同时增加或同时减小,从而可以确定该信息组存在由恶意攻击者发送的信息,确定该信息组为攻击信息组。
另一个实施例中,变化率以变化幅度表示,即第一差值变化率可以表示第一差值是否大于预设强度差值阈值;第二差值的变化率可以表示第二差值是否大于预设强度差值阈值。例如,若第一差值大于预设强度差值阈值且第二差值小于等于预设强度差值阈值,或,第一差值小于等于预设强度差值阈值且第二差值大于预设强度差值阈值,则表示该信息组中包含的两个待处理信息的实际接收信号强度值的变化幅度与理论接收信号强度值的变化幅度之间存在较大误差,从而可以确定该信息组存在由恶意攻击者发送的信息,确定该信息组为攻击信息组。
第一差值与第二差值的变化率还可以采用其他方式表示,本发明实施例对此不作具体限定。
本发明实施例中,若多个待处理信息中存在攻击信息,和/或多组信息组中存在攻击信息组,为防止连续接收的多个待处理信息中存在未检测出的攻击信息和/或攻击信息组,从而威胁到无人机的安全,无人机在确定多个待处理信息中存在攻击信息和/或存在攻击信息组时,可将包括攻击信息的多个待处理信息和/或攻击信息组一并丢弃,进而提高无人机的安全性。
本发明实施例中,当检测结果为,每一待处理信息的信号强度误差值都小于等于预设误差阈值,且每一信息组的第一差值的变化率与第二差值的变化率都相同时,也就是,无人机确定多个待处理信息中不存在攻击信息及攻击信息组时,则无人机确定多个待处理信息均为安全信息,进而可以根据预设的通信协议解析并读取多个待处理信息。
在本发明的一个实施例中,如图4所示,步骤206-207可以在步骤203-204之前执行,也就是,先执行步骤206-207检测多组相邻两个待处理信息中是否存在攻击信息组,若检测存在攻击信息组,则确定无人机受到欺骗攻击;若检测不存在攻击信息组,则执行步骤203-204检测多个待处理信息中是否存在攻击信息;若检测到多个待处理信息中存在攻击信息,则确定无人机受到欺骗攻击;若检测到多个待处理信息中不存在攻击信息,则确定无人机未受到欺骗攻击。步骤206-207的计算相对简单,耗费计算量小,但精度较低,步骤203-204的计算相对复杂,耗费计算量大,但精度较高。本发明实施例中,先执行步骤206-207粗略检测无人机是否受到欺骗攻击,在执行步骤206-207后确定无人机受到欺骗攻击的情况下不再执行步骤203-204,可有效解决计算资源。
本发明实施例中,步骤206-207和步骤203-204也可以同时执行,或步骤206-207在步骤203-204之后执行,对此不作具体限定。
一种实施例中,如图5所示,在步骤204之后,若确定多个待处理信息中存在攻击信息,则上述方法还可以包括步骤208。
步骤208,将攻击信息的实际接收信号强度值、以及接收攻击信息时无人机的第一位置发送给地面基站,以使地面基站根据攻击信息的实际接收信号强度值和攻击信息对应的第一位置,确定攻击信息对应的发送端的位置。
本发明实施例中,无人机在确定多个待处理信息中存在攻击信息时,将攻击信息对应的数据组发送给地面基站,攻击信息对应的数据组中包含该攻击信息的实际接收信号强度值、以及接收该攻击信息时无人机的第一位置,然后地面基站可以基于接收到的攻击信息对应的数据组,确定发送该攻击信息的恶意攻击者的位置,从而对恶意攻击者采取相关措施。例如,用户进一步确定发送端是否为恶意攻击者,以及对恶意攻击者采取相应的防范措施;或在用户确定发送端为恶意攻击者后采取法律手段将其取缔等。
一种实施例中,如图6所示,地面基站定位恶意攻击者的流程包括如下步骤。
步骤601,接收攻击信息的实际接收信号强度值、以及接收攻击信息时无人机的第一位置。
本发明实施例中,无人机在确定多个待接收信息中存在攻击信息后,将攻击信息的实际接收信号强度值、以及接收攻击信息时无人机的第一位置发送给地面基站,地面基站接收到攻击信息的实际接收信号强度值和接收攻击信息时的无人机的第一位置。
步骤602,判断接收到的数据组的数量是否大于等于2;若是,则执行步骤603;若否,则返回步骤601,其中,1个数据组包含1个攻击信息对应的该攻击信息的实际接收信号强度值、以及接收该攻击信息时无人机的第一位置。
本发明实施例中,1个数据组中包含的实际接收信号强度值和第一位置均对应同一攻击信息。恶意攻击者的位置为世界位置,且恶意攻击者位于地面,因此恶意攻击者的位置中存在两个未知数,因此需要基于至少2个数据组中的实际接收信号强度值和第一位置建立表达式并联合求解,得到恶意攻击者的位置。
步骤603,利用预设定位算法确定发送攻击信息的发送端的位置。
本发明实施例中,地面基站在获取到至少2个数据组后,可以基于2个数据组中包含的实际接收信号强度值和第一位置建立表达式并求解,得到恶意攻击者的位置。
本发明实施例中,攻击信息的实际接收信号强度值与攻击信息的发送端的位置有关,因此预设定位算法可以为:基于攻击信息的实际接收信号强度值的表达公式进行反推得到发送端的位置。例如,设定恶意攻击者的位置为(x,y,z),由于恶意攻击者位于地面,此时恶意攻击者的位置变为(x,y,0)。根据每一攻击信息对应的数据组中的实际接收信号强度值与第一位置确定该攻击信息对应的第一位置与恶意攻击者的位置之间的最短距离。然后针对每一攻击信息,基于该攻击信息对应的最短距离、该攻击信息对应的第一位置与设定的恶意攻击者的位置(x,y,0),构建该攻击信息对应的表达式。对至少两个攻击信息对应的表达式联合求解,确定恶意攻击者对应的x坐标值与y坐标值,从而确定恶意攻击者的位置。
一种实施例中,如图7所示,可以通过以下步骤,确定预设误差阈值。
步骤701,接收地面基站发送的多个模拟信息。
本发明实施例中,为确保多个模拟信息中不存在由恶意攻击者发送的信息,无人机需要在安全的区域内接收多个模拟信息。例如,在确定以地面基站为中心,半径为一百米的圆形区域内不存在恶意攻击者时,控制无人机在圆形区域内围绕地面基站飞行,在飞行过程中,地面基站向无人机发送多个信息,无人机接收上述多个信息并将这多条信息作为多个模拟信息。
步骤702,根据接收每个模拟信息时无人机的第三位置、地面基站的第四位置和地面基站的发送功率,确定每个模拟信息的理论接收信号强度值。
本发明实施例中,无人机在接收由地面基站发送的多个模拟信息后,针对每一个模拟信息,无人机可以基于接收该模拟信息时自身的第三位置、地面基站的第四位置及地面基站的发送功率,确定该模拟信息的理论接收信号强度值。
确定每一模拟信息的理论接收信号强度值的步骤可以参考上述确定每一待处理信息的理论接收信号强度值的步骤,此处不再赘述。
步骤703,计算每个模拟信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,确定该模拟信息对应的模拟强度差值。
本发明实施例中,无人机在获取每一模拟信息的实际接收信号强度值与理论接收信号强度值后,可以计算该模拟信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,然后将该模拟信息对应的差值的绝对值作为该模拟信息对应的模拟强度差值。
步骤704,根据多个模拟信息对应的多个模拟强度差值,确定预设差值阈值。
本发明实施例中,根据多个模拟信息对应的多个模拟强度差值,确定预设差值阈值的方法有多种。
一种实施例中,如图8所示,步骤704可以细化为步骤7041。
步骤7041,从多个模拟信息对应的多个模拟强度差值中选择一个模拟强度差值,作为预设差值阈值。
本发明实施例中,可以直接由多个模拟强度差值中选择一个模拟强度差值作为预设差值阈值。其中,选择模拟强度差值阈值作为预设差值阈值的方法有多种。
一个实施例中,为降低计算与操作复杂度,可以直接从多个模拟信息对应的多个模拟强度差值中随机选择一个模拟强度差值,作为预设差值阈。
另一个实施例中,为使选择出的模拟强度差值更具有代表性,可以通过以下步骤选择一个模拟强度差值,作为预设差值阈值,如图9所示,上述步骤7041可以细化为如下步骤。
步骤70411,从多个模拟信息对应的多个模拟强度差值中选择一个模拟强度差值,作为初始差值阈值。
本发明实施例中,可以从多个模拟信息对应的多个模拟强度差值中随机选择一个模拟强度差值,作为初始差值阈值。还可以按照多个模拟强度差值由大到小的顺序,依次由多个模拟强度差值中选取一个模拟强度差值,作为初始差值阈值。还可以通过其他方式确定初始差值阈值,本发明实施例对此不作具体限定。
步骤70412,获取多个带标签的样本信息,标签包括指示样本信息为攻击信息的第一标签和指示样本信息为正常信息的第二标签。
本发明实施例中,获取到的多个带标签的样本信息既可以为由地面基站发送的信息,也可以为由恶意攻击者发送的信息。样本信息的标签用于指示样本信息的类别。若样本信息为由恶意攻击者发送的信息,则标签指示该样本信息为攻击信息;若样本信息为由地面基站发送的信息,则标签指示该样本信息为正常信息。
步骤70413,基于初始差值阈值,判断每一样本信息是否为攻击信息,得到每一样本信息的判断结果。
本发明实施例中,基于每一样本信息的实际接收信号强度值与理论接收信号强度值,可以确定该样本信息的信号强度误差值,将该样本信息的信号强度误差值与初始差值阈值比较,若该样本信息的信号强度误差值大于初始差值阈值,则判断该样本信息为攻击信息;若该样本信息的信号强度误差值小于等于初始差值阈值,则判断该样本信息为攻击信息,则确定该样本信息为安全信息。
步骤70414,基于每一样本信息的判断结果和每一样本信息的标签,确定欺骗攻击检测的正确率。
本发明实施例中,在确定每一样本信息的判断结果后,将该样本信息的判断结果与该样本信息的标签进行比较,若判断结果所对应的信息类型与标签所对应的信息类型相同,则表示判断正确;若判断结果所对应的信息类型与标签所对应的信息类型不同,则表示判断错误。根据多个样本信息中判断正确的样本信息的数量与多个样本信息的总数量,确定欺骗攻击检测的正确率。
例如,基于初始差值阈值对多个样本信息进行信息类型的判断,若多个样本信息的数量为100,且多个样本信息中判断正确的样本信息数量为85,则表示欺骗攻击检测的正确率为85%。
步骤70415,判断正确率是否大于预设正确率阈值,若是,则执行步骤70416;若否,则返回步骤70411。
步骤70416,确定初始差值阈值为预设差值阈值。
本发明实施例中,预设正确率阈值可根据实际情况设定,例如预设正确率阈值可以为90%,95%或98%,本发明实施例对此不作具体限定。
本发明实施例中,上述获取预设差值阈值的过程为循环过程,若选取的初始差值阈值对应的正确率小于等于预设正确率阈值,则不将该初始差值阈值作为预设差值阈值,并返回步骤70411继续选取新的初始差值阈值,直至欺骗攻击检测的的正确率大于预设正确率阈值。也就是,当欺骗攻击检测的正确率大于预设正确率阈值时,不再返回步骤70411,将该初始差值阈值最为预设差值阈值。
本发明实施例中,基于步骤70411-70416确定的预设误差阈值的准确性更高且更具有代表性。进而基于确定预设误差阈值检测,能够更为准确的检测出无人机是否受到欺骗攻击。
一种实施例中,如图10所示,步骤704还可以细化为步骤7042和步骤7043。
步骤7042,确定模拟强度差值区间,模拟强度差值区间的最大值为多个模拟信息对应的多个模拟强度差值中的最大模拟强度差值,模拟强度区间的最小值为多个模拟强度差值中的最小模拟强度差值。
本发明实施例中,在获取每一模拟信息对应的模拟强度差值后,可以选出多个模拟强度差值中的最大模拟强度差值和最小模拟强度差值,并以最大模拟强度差值为最大值、以最小模拟强度差值为最小值组成模拟强度差值区间。
步骤7043,根据二分法,确定模拟强度差值区间中欺骗攻击检测正确率最大的模拟强度差值,作为预设差值阈值。
本发明实施例中,根据二分法,确定预设差值阈值的过程可以为:在确定模拟强度区间后,由模拟强度区间内选取第一模拟强度差值与第二模拟强度差值,然后基于第一模拟强度差值与模拟强度区间最小值确定第一子区间,且第一子区间的最大值为第一模拟强度差值,第一子区间的最小值为模拟强度区间最小值;基于第一模拟强度差值与第二模拟强度差值确定第二子区间,且第二子区间的最大值为第二模拟强度差值,第二子区间的最小值为第一模拟强度差值;基于第二模拟强度差值与模拟强度区间最大值确定第三子区间,其中第三子区间的最大值为模拟强度区间最大值,第三子区间的最小值为第二模拟强度差值。其中,第一子区间、第二子区间与第三子区间的区间长度均相等。
然后基于步骤70412-70414分别确定第一模拟强度差值对应的欺骗攻击检测的正确率与第二模拟强度差值对应的欺骗攻击检测的正确率,并比较第一模拟强度差值与第二模拟强度差值对应的正确率的大小,得到比较结果,并基于比较结果将模拟强度差值区间缩小,得到新的模拟强度差值区间,新的模拟强度差值区间的中间值为第一模拟强度差值与第二模拟强度差值中正确率较大的模拟强度差值。
由新的模拟强度差值区间内继续选取两个新的模拟强度差值,并重复上述缩小模拟强度差值区间的步骤,直至缩小后的模拟强度差值区间的区间长度小于预设区间长度阈值,将缩小后的模拟强度差值区间的中间值作为预设差值阈值。其中,模拟强度差值区间的区间长度为模拟强度差值区间的最大值与最小值的差,预设区间长度阈值可以根据实际需求设定,例如,预设区间长度阈值可以为1、0.1、0.01,本发明实施例对此不作具体限定。
以模拟强度差值区间为[1,4],预设区间长度阈值为1为例,确定预设差值阈值的过程为,选取模拟强度差值区间内的2和3,若3对应的正确率大于2,则新的模拟强度差值区间为[2,4],重新选取区间内的2.67和3.33,若3.33对应的正确率大于2.67,则新的模拟强度差值区间为[2.67,4],重新选取区间内的3.12和3.56,若3.56对应的正确率大于3.12,则新的模拟强度差值区间为[3.12,4],此时新的模拟强度差值区间的区间长度为0.88,0.88小于1,则预设差值阈值为区间[3.12,4]的中间值,即3.56。
为达到上述目的,本发明实施例还提供了一种无人机的欺骗攻击的检测装置,如图11所示,该装置包括:
第一接收模块1101,用于接收多个待处理信息。
第一确定模块1102,用于根据接收每个待处理信息时无人机的第一位置、与无人机连接的地面基站的第二位置和地面基站的发送功率,确定每个待处理信息的理论接收信号强度值。
第一计算模块1103,用于计算每个待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值。
第一检测模块1104,用于检测多个待处理信息中是否存在攻击信息,攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息。
第二确定模块1105,用于若存在攻击信息,则确定无人机受到欺骗攻击。
一种实施例中,上述装置还可以包括:
第二计算模块,用于计算每相邻两个待处理信息的实际接收信号强度值的第一差值,以及每相邻两个待处理信息的理论接收信号强度值之间的第二差值。
第二检测模块,用于检测多组相邻两个待处理信息中是否存在攻击信息组,攻击信息组为对应的第一差值的变化率与第二差值的变化率不同的相邻两个待处理信息。
第二确定模块,具体用于若存在攻击信息,和/或存在攻击信息组,则确定无人机受到欺骗攻击。
一种实施例中,上述装置还可以包括:
第三确定模块,用于若不存在攻击信息,且不存在攻击信息组,则确定无人机未受到欺骗攻击。
一种实施例中,上述装置还可以包括:
发送模块,用于若存在攻击信息,则将攻击信息的实际接收信号强度值、以及接收攻击信息时无人机的第一位置发送给地面基站,以使地面基站根据攻击信息的实际接收信号强度值和攻击信息对应的第一位置,确定攻击信息对应的发送端。
一种实施例中,上述装置还可以包括:
第二接收模块,用于在接收多个待检测信息之前,接收地面基站发送的多个模拟信息。
第三计算模块,用于根据接收每个模拟信息时无人机的第三位置、地面基站的第四位置和地面基站的发送功率,确定每个模拟信息的理论接收信号强度值。
第四计算模块,用于计算每个模拟信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,确定该模拟信息对应的模拟强度差值。
第四确定模块,用于根据多个模拟信息对应的多个模拟强度差值,确定预设差值阈值。
一种实施例中,第四确定模块具体用于:
从多个模拟信息对应的多个模拟强度差值中选择一个模拟强度差值,作为预设差值阈值;或
确定模拟强度差值区间,模拟强度差值区间的最大值为多个模拟信息对应的多个模拟强度差值中的最大模拟强度差值,模拟强度区间的最小值为多个模拟强度差值中的最小模拟强度差值;根据二分法,确定模拟强度差值区间中欺骗攻击检测正确率最大的模拟强度差值,作为预设差值阈值。
一种实施例中,第一确定模块1102具体可以用于:
针对每个待处理信息,根据接收该待处理信息时无人机的第一位置,以及地面基站的第二位置,确定地面基站相对于无人机的仰角,以及确定无人机与地面基站之间的直线距离。
利用以下公式确定该待处理信息的理论接收信号强度值。
其中,RSSG为该待处理信息的理论接收信号强度值,PT为地面基站的发送功率,θ为地面基站相对于无人机的仰角,α(θ)为仰角θ对应的路径损耗指数,d为无人机与地面基站之间的直线距离,d0为预设参考距离,K为预设参考值。
本发明实施例还提供了一种无人机,如图12所示,包括处理器1201、通信接口1202、存储器1203和通信总线1204,其中,处理器1201,通信接口1202,存储器1203通过通信总线1204完成相互间的通信。
存储器1203,用于存放计算机程序。
处理器1201,用于执行存储器1203上所存放的程序时,实现上述任一无人机的欺骗攻击的检测方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述无人机与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一无人机的欺骗攻击的检测方法的步骤。
在本发明提供的又一实施例中,还提供了一种计算机程序,当其在计算机上运行时,使得计算机执行上述实施例中任一无人机的欺骗攻击的检测方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统、装置、无人机、计算机可读存储介质及计算机程序实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例,并非用于限定本发明的保护范围。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,均包含在本发明的保护范围内。
Claims (10)
1.一种无人机的欺骗攻击的检测方法,其特征在于,应用于无人机,所述方法包括:
接收多个待处理信息;
根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值;
计算每个所述待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;
检测所述多个待处理信息中是否存在攻击信息,所述攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;
若存在所述攻击信息,则确定所述无人机受到欺骗攻击。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
计算每相邻两个所述待处理信息的实际接收信号强度值的第一差值,以及每相邻两个所述待处理信息的理论接收信号强度值之间的第二差值;
检测多组相邻两个所述待处理信息中是否存在攻击信息组,所述攻击信息组为对应的所述第一差值的变化率与所述第二差值的变化率不同的相邻两个待处理信息;
所述若存在所述攻击信息,则确定所述无人机受到欺骗攻击的步骤,包括:
若存在所述攻击信息,和/或存在所述攻击信息组,则确定所述无人机受到欺骗攻击。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若不存在所述攻击信息,且不存在所述攻击信息组,则确定所述无人机未受到欺骗攻击。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若存在所述攻击信息,则将所述攻击信息的实际接收信号强度值、以及接收所述攻击信息时所述无人机的第一位置发送给所述地面基站,以使所述地面基站根据所述攻击信息的实际接收信号强度值和所述攻击信息对应的第一位置,确定所述攻击信息对应的发送端的位置。
5.根据权利要求1所述的方法,其特征在于,在接收多个待检测信息之前,所述方法还包括:
接收所述地面基站发送的多个模拟信息;
根据接收每个所述模拟信息时所述无人机的第三位置、所述地面基站的第四位置和所述地面基站的发送功率,确定每个所述模拟信息的理论接收信号强度值;
计算每个所述模拟信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,确定该模拟信息对应的模拟强度差值;
根据所述多个模拟信息对应的多个模拟强度差值,确定预设差值阈值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述多个模拟信息对应的多个模拟强度差值,确定预设差值阈值的步骤,包括:
从所述多个模拟信息对应的多个模拟强度差值中选择一个模拟强度差值,作为预设差值阈值;或
确定模拟强度差值区间,所述模拟强度差值区间的最大值为所述多个模拟信息对应的多个模拟强度差值中的最大模拟强度差值,所述模拟强度差值区间的最小值为所述多个模拟强度差值中的最小模拟强度差值;根据二分法,确定所述模拟强度差值区间中欺骗攻击检测正确率最大的模拟强度差值,作为预设差值阈值。
7.根据权利要求1所述的方法,其特征在于,所述根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值的步骤,包括:
针对每个所述待处理信息,根据接收该待处理信息时所述无人机的第一位置,以及所述地面基站的第二位置,确定所述地面基站相对于所述无人机的仰角,以及确定所述无人机与所述地面基站之间的直线距离;
利用以下公式确定该待处理信息的理论接收信号强度值:
其中,RSSG为该待处理信息的理论接收信号强度值,PT为所述地面基站的发送功率,θ为所述地面基站相对于所述无人机的仰角,α(θ)为仰角θ对应的路径损耗指数,d为所述无人机与所述地面基站之间的直线距离,d0为预设参考距离,K为预设参考值。
8.一种无人机的欺骗攻击的检测系统,其特征在于,所述系统包括无人机和地面基站;
所述地面基站,用于向所述无人机发送待处理信息;
所述无人机,用于接收多个待处理信息;根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值;计算每个所述待处理信息的实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;检测所述多个待处理信息中是否存在攻击信息,所述攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;若存在所述攻击信息,则确定所述无人机受到欺骗攻击。
9.根据权利要求8所述的系统,其特征在于,所述无人机还用于若存在所述攻击信息,则将所述攻击信息的实际接收信号强度值、以及接收所述攻击信息时所述无人机的第一位置发送给所述地面基站;
所述地面基站,还用于根据所述攻击信息的实际接收信号强度值和所述攻击信息对应的第一位置,确定所述攻击信息对应的发送端的位置。
10.一种无人机的欺骗攻击的检测装置,其特征在于,所述装置包括:
第一接收模块,用于接收多个待处理信息;
第一确定模块,用于根据接收每个所述待处理信息时所述无人机的第一位置、与所述无人机连接的地面基站的第二位置和所述地面基站的发送功率,确定每个所述待处理信息的理论接收信号强度值;
第一计算模块,用于计算每个所述待处理信息实际接收信号强度值与理论接收信号强度值的差值的绝对值,作为该待处理信息对应的信号强度误差值;
第一检测模块,用于检测所述多个待处理信息中是否存在攻击信息,所述攻击信息为对应的信号强度误差值大于预设误差阈值的待处理信息;
第二确定模块,用于若存在所述攻击信息,则确定所述无人机受到欺骗攻击。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010742563.3A CN111954219B (zh) | 2020-07-29 | 2020-07-29 | 一种无人机的欺骗攻击的检测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010742563.3A CN111954219B (zh) | 2020-07-29 | 2020-07-29 | 一种无人机的欺骗攻击的检测方法、系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111954219A CN111954219A (zh) | 2020-11-17 |
CN111954219B true CN111954219B (zh) | 2022-04-05 |
Family
ID=73338435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010742563.3A Active CN111954219B (zh) | 2020-07-29 | 2020-07-29 | 一种无人机的欺骗攻击的检测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111954219B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113644963A (zh) * | 2021-08-06 | 2021-11-12 | 广西电网有限责任公司电力科学研究院 | 一种提高无人机续航能力的通信方法及系统 |
CN114244424A (zh) * | 2021-12-24 | 2022-03-25 | 承德石油高等专科学校 | 一种垂直起降固定翼无人机通信方法与系统 |
CN114582040B (zh) * | 2022-05-05 | 2022-08-09 | 中国长江三峡集团有限公司 | 一种风力发电设备智能巡检系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105142149A (zh) * | 2015-07-23 | 2015-12-09 | 广州中长康达信息技术有限公司 | 一种基于rss的wlan欺骗攻击检测方法 |
CN108693543A (zh) * | 2017-03-31 | 2018-10-23 | 法拉第未来公司 | 用于检测信号欺骗的方法及系统 |
CN108933772A (zh) * | 2018-03-19 | 2018-12-04 | 和芯星通(上海)科技有限公司 | 攻击检测方法和装置、计算机可读存储介质与终端 |
CN109581425A (zh) * | 2018-12-29 | 2019-04-05 | 南京天际易达通信技术有限公司 | 一种基于多接收机的卫星导航欺骗信号检测方法 |
WO2020060522A1 (en) * | 2018-09-21 | 2020-03-26 | Istanbul Teknik Universitesi | Generalized localization system based on physical layer supported spoofing detection and identification verification |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8922427B2 (en) * | 2011-06-29 | 2014-12-30 | Bae Systems Information And Electronic Systems Integration Inc. | Methods and systems for detecting GPS spoofing attacks |
WO2014047378A1 (en) * | 2012-09-20 | 2014-03-27 | Cornell University | Methods and apparatus for detecting spoofing of global navigation satellite system signals using carrier phase measurements and known antenna motions |
CN105554762B (zh) * | 2015-12-10 | 2019-01-04 | 广东工业大学 | 基于rss的无线欺骗攻击定位方法 |
CN107505635B (zh) * | 2017-07-11 | 2020-12-22 | 华东师范大学 | 一种卫星定位欺骗攻击的检测方法 |
CN107329151B (zh) * | 2017-07-18 | 2020-05-08 | 国家电网公司 | 一种电力巡检无人机的gps欺骗检测方法 |
US11192646B2 (en) * | 2018-10-03 | 2021-12-07 | Sarcos Corp. | Anchored aerial countermeasures for rapid deployment and neutralizing of target aerial vehicles |
CN110308464B (zh) * | 2019-05-21 | 2023-07-21 | 西安电子科技大学 | 一种无人机gps欺骗检测方法 |
-
2020
- 2020-07-29 CN CN202010742563.3A patent/CN111954219B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105142149A (zh) * | 2015-07-23 | 2015-12-09 | 广州中长康达信息技术有限公司 | 一种基于rss的wlan欺骗攻击检测方法 |
CN108693543A (zh) * | 2017-03-31 | 2018-10-23 | 法拉第未来公司 | 用于检测信号欺骗的方法及系统 |
CN108933772A (zh) * | 2018-03-19 | 2018-12-04 | 和芯星通(上海)科技有限公司 | 攻击检测方法和装置、计算机可读存储介质与终端 |
WO2020060522A1 (en) * | 2018-09-21 | 2020-03-26 | Istanbul Teknik Universitesi | Generalized localization system based on physical layer supported spoofing detection and identification verification |
CN109581425A (zh) * | 2018-12-29 | 2019-04-05 | 南京天际易达通信技术有限公司 | 一种基于多接收机的卫星导航欺骗信号检测方法 |
Non-Patent Citations (2)
Title |
---|
Detecting Signal Spoofing and Jamming Attacks in Networks using a Lightweight IDS;Menaka Pushpa Arthur等;《IEEE》;20191010;第1-5页 * |
无人机信息安全研究综述;何道敬等;《计算机学报》;20190531;第1076-1094页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111954219A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111954219B (zh) | 一种无人机的欺骗攻击的检测方法、系统及装置 | |
Wu et al. | CSI-based indoor localization | |
CN103229528B (zh) | 无线通信设备的指纹识别的方法和设备 | |
Tang et al. | Exploiting wireless received signal strength indicators to detect evil-twin attacks in smart homes | |
CN109581425A (zh) | 一种基于多接收机的卫星导航欺骗信号检测方法 | |
de Lima Pinto et al. | A machine learning approach for detecting spoofing attacks in wireless sensor networks | |
Jin et al. | Improved detection of primary user emulation attacks in cognitive radio networks | |
CN112243507A (zh) | 异常接入点检测 | |
Liang et al. | Detection of global positioning system spoofing attack on unmanned aerial vehicle system | |
Zeng et al. | Location spoofing attack and its countermeasures in database-driven cognitive radio networks | |
CN108206795B (zh) | 基于置信传递的频率选择性衰落信道的盲认证方法和系统 | |
Du et al. | A credibility-based defense SSDF attacks scheme for the expulsion of malicious users in cognitive radio | |
Bouabdellah et al. | RSS-based localization with maximum likelihood estimation for PUE attacker detection in cognitive radio networks | |
Yang et al. | Determining the number of attackers and localizing multiple adversaries in wireless spoofing attacks | |
Li et al. | Secure 5G positioning with truth discovery, attack detection, and tracing | |
Abhishek et al. | Detecting RSU misbehavior in vehicular edge computing | |
Wang et al. | Edge intelligence enabled soft decentralized authentication in UAV swarm | |
CN109348477A (zh) | 基于服务网络的无线物联网物理层认证方法 | |
CN111770528A (zh) | 基于信道参数萃取方法的视距与非视距识别方法及装置 | |
Languell et al. | Securing ADS-B with multi-point distance-bounding for UAV collision avoidance | |
CN114363798B (zh) | 用于通信的方法、装置和计算机可读存储介质 | |
Yang et al. | Robust wireless localization to attacks on access points | |
US20200322796A1 (en) | Smoothing technology-based blind authentication method and system for frequency selective fading channel | |
Wu et al. | Single threshold optimization and a novel double threshold scheme for non‐line‐of‐sight identification | |
Tippenhauer | Physical-Layer Security Aspects of Wireless Localization |
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 |