CN112019526B - 一种基于多特征融合的期望轨迹信号攻击检测方法 - Google Patents

Abstract

本发明涉及一种基于多特征融合的期望轨迹信号攻击检测方法，针对地面控制站向无人机发送的期望轨迹信号在传输过程中受到虚假信息注入的攻击检测问题，首先，设计含有标称信号的虚拟无人机系统模型；其次，设计标称信号观测器，对虚拟无人机系统中的标称信号进行估计；再次，计算无人机接收端接收到的期望轨迹信号功率，并与功率阈值对比；最后，根据接收到期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的期望轨迹信号攻击检测机制。本发明具有攻击检测准确性高、误报率低的特点，适用于通过直接序列扩频通信技术传输期望轨迹信号过程中被攻击的无人机系统攻击检测问题。

Description

一种基于多特征融合的期望轨迹信号攻击检测方法

技术领域

本发明涉及一种基于多特征融合的期望轨迹信号攻击检测方法，可以实现期望轨迹信号在传输过程中受到虚假信息注入攻击的攻击检测。

背景技术

近些年，随着无人机在军事和民用领域扮演角色的日益重要，针对无人机系统的攻击也时常发生。无人机系统由于开放的通信机制，使得无人机在与地面控制站、卫星导航系统及其它协同无人机进行通信过程中容易受到恶意攻击。对无人机通信方面的攻击大体上分为两种：一种是针对信息可用性的攻击，如拒绝服务攻击；另一种是针对信息完整性的攻击，如欺骗攻击、重放攻击等。在应对攻击时，首先要做的是攻击检测。因此，无人机系统的攻击检测问题得到了越来越多的关注。

目前，针对无人机系统受到虚假信息注入攻击的无人机攻击检测问题，中国专利申请号201811448705.4提出了一种面向自主导航无人机GPS欺骗检测与防御方法。该专利通过将惯性导航计算出的预计值与卡尔曼滤波的当前值比较，并设计合理的变化阈值，进而发现GPS欺骗攻击。中国专利申请号201811321049.1提出了一种基于多源信息融合的无人机抗GPS欺骗系统及方法。该专利将卡尔曼滤波子系统得到的GPS信号预测值与接收到的GPS信号进行比较，计算残差，使用BHT算法辨别该残差是否异常，实现对无人机GPS欺骗攻击的实时检测。然而上述专利均是将预测值与真实值之间的残差作为攻击检测的判据，但GPS欺骗攻击之外的因素也会导致预测值与真实值的误差增大。与此同时，上述专利也均是针对无人机系统的GPS欺骗攻击进行检测，没有考虑期望轨迹信号在传输过程中被攻击的情形。

发明内容

本发明的技术解决问题是针对地面控制站向无人机发送的期望轨迹信号在传输过程中受到虚假信息注入的攻击检测问题，因此，本发明针对地面控制站向无人机系统发送的期望轨迹信号被攻击的攻击检测问题，提出一种基于多特征融合的攻击检测机制，从而提升无人机系统的安全性，具有增强无人机攻击检测能力、提高无人机系统安全性的优点。

本发明及技术解决方案为：一种基于多特征融合的期望轨迹信号攻击检测方法，针对地面控制站向无人机发送的期望轨迹信号在传输过程中受到虚假信息注入的攻击检测问题，首先，设计含有标称信号的虚拟无人机系统模型；其次，设计标称信号观测器，对虚拟无人机系统中的标称信号进行估计；再次，计算无人机接收端接收到的期望轨迹信号功率，并与功率阈值对比；最后，根据接收到期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的期望轨迹信号攻击检测机制。具体实施步骤如下：

第一步，设计含有标称信号的虚拟无人机系统模型：

设计含有标称信号的虚拟无人机系统模型Σ₁如下：

其中，p_v＝[p_vx p_vy p_vz]^T表示虚拟无人机系统Σ₁中的位置状态，p_x，p_y，p_z分别表示无人机在x，y，z方向的位置状态，

表示p_v的一阶时间导数，v_v＝[v_vx v_vy v_vz]^T表示虚拟无人机系统中的速度状态，v_x，v_y，v_z分别表示无人机在x，y，z方向的速度状态，

表示v_v的一阶时间导数，m表示无人机的重量；F_v和G分别表示虚拟无人机系统中的控制力和所受到的重力；d_v表示虚拟无人机系统中人为添加的已知标称信号，其可由如下外部模型Σ₂表示：

其中ω为外部模型Σ₂的状态，

为ω的一阶时间导数，系数矩阵

V为适维已知常值矩阵，ω₀为已知常数。

第二步，设计标称信号观测器，对虚拟无人机系统中的标称信号进行估计：

为了检测无人机是否按照期望轨迹信号飞行，利用无人机实际飞行速度状态v，设计如下标称信号观测器：

其中

和

分别表示d_v以及ω的估计值。L和z分别表示标称信号观测器Σ₃的观测增益及辅助变量，

表示z的一阶时间导数。

定义

表示外部模型Σ₂状态ω的估计误差，根据外部模型Σ₂及标称信号观测器Σ₃，估计误差e_ω可以表示为：

其中γ_a表示映射在无人机控制系统的攻击影响，

为e_ω的一阶时间导数。

根据估计误差e_ω的动态方程Σ₄可以看出，在无人机期望轨迹信号未受到攻击情况下，通过选择合适的标称信号观测器增益L，可以使得估计误差e_ω渐近收敛至0。如果无人机期望轨迹信号受到攻击，估计误差e_ω将收敛至有界区域，甚至发散。将估计误差e_ω的收敛状态作为攻击检测的判据。

第三步，计算无人机接收端接收到的期望轨迹信号功率，并与功率阈值对比：

定义

表示通过直接序列扩频通信技术传输的期望信号代码，其中，p_d(t)表示期望轨迹信号代码，P、n(t)以及cos(2πft)分别表示参考指令传输信号的功率阈值、伪随机序列及载波。定义

表示攻击信号代码，其中，p_da(t)表示虚假信号代码，P_a表示虚假信息传输信号的功率。攻击者通过将攻击信号代码与期望信号代码叠加来发动虚假信息注入攻击。攻击后的指令信号代码可以表示为：

其中p′_d(t)表示攻击后期望轨迹信号代码，P′表示无人机接收到的受攻击的期望轨迹信号功率。将P′与P作对比，将对比结果作为攻击检测的判据。

第四步，根据接收到期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的期望轨迹信号攻击检测机制：

其中Alarm表示攻击检测机制，||·||表示·的范数，α表示估计误差e_ω的阈值，为已知常数。从检测机制Alarm中可以看出，当攻击检测判据估计误差e_ω超过阈值α，同时接收到期望轨迹信号功率超过功率阈值，就会触发攻击警报。

本发明与现有技术相比的优点在于：

本发明针对地面控制站向无人机发送的期望轨迹信号在传输过程中受到虚假信息注入的攻击检测问题，通过设计标称信号观测器对虚拟无人机系统中的标称信号进行估计。同时，计算接收到的期望轨迹信号的功率，并与功率阈值对比。设计出一种基于期望轨迹信号功率及标称信号估计误差的多特征融合攻击检测机制，实现无人机系统期望轨迹信号攻击的攻击检测，适用于期望轨迹信号传输过程中被攻击的无人机系统攻击检测问题。

附图说明

图1为本发明一种基于多特征融合的期望轨迹信号攻击检测方法的流程图；

图2为本发明15秒发生攻击时攻击检测报警机制示意图。

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、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。

如图1所示，本发明所述的一种基于多特征融合的期望轨迹信号攻击检测方法设计步骤为：首先，设计含有标称信号的虚拟无人机系统模型；其次，设计标称信号观测器，对虚拟无人机系统中的标称信号进行估计；再次，计算无人机接收端接收到的期望轨迹信号功率，并与功率阈值对比；最后，根据接收到期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的期望轨迹信号攻击检测机制。。

具体实施步骤如下：

第一步，设计含有标称信号的虚拟无人机系统模型：

设计含有标称信号的虚拟无人机系统模型Σ₁如下：

其中，p_v＝[p_vx p_vy p_vz]^T表示虚拟无人机系统Σ₁中的位置状态，p_x，p_y，p_z分别表示无人机在x，y，z方向的位置状态，

表示p_v的一阶时间导数，v_v＝[v_vx v_vy v_vz]^T表示虚拟无人机系统中的速度状态，v_x，v_y，v_z分别表示无人机在x，y，z方向的速度状态，

表示v_v的一阶时间导数，m表示无人机的重量；F_v和G分别表示虚拟无人机系统中的控制力和所受到的重力；d_v表示虚拟无人机系统中人为添加的已知标称信号，其可由如下外部模型Σ₂表示：

其中ω为外部模型Σ₂的状态，

为ω的一阶时间导数，系数矩阵

V为适维已知常值矩阵，ω₀为已知常数。

在本实施案例，选取m＝1.121Kg，标称信号d_v的系数矩阵取值为

控制力

e_pa＝p_a-p_d及e_va＝v_a-v_d分别表示受攻击下的位置跟踪误差和速度跟踪误差。p_a表示被攻击的期望轨迹信号，可以描述为p_a＝p_d+γ_a，p_d表示期望的期望轨迹信号。v_a和v_d分别表示p_a和p_d的一阶时间导数。期望轨迹信号p_d＝[0.75sin(t) 0.75cos(t) 0]^T，

第二步，设计标称信号观测器，对虚拟无人机系统中的标称信号进行估计：

为了检测无人机是否按照期望轨迹信号飞行，利用无人机实际飞行速度状态v，设计如下标称信号观测器：

其中

和

分别表示d_v以及ω的估计值。L和z分别表示标称信号观测器Σ₃的观测增益及辅助变量，

表示z的一阶时间导数。

定义

表示外部模型Σ₂状态ω的估计误差，根据外部模型Σ₂及标称信号观测器Σ₃，估计误差e_ω可以表示为：

其中γ_a表示映射在无人机控制系统的攻击影响，

为e_ω的一阶时间导数。

根据估计误差e_ω的动态方程Σ₄可以看出，在无人机期望轨迹信号未受到攻击情况下，通过选择合适的标称信号观测器增益L，可以使得估计误差e_ω渐近收敛至0。如果无人机期望轨迹信号受到攻击，估计误差e_ω将收敛至有界区域，甚至发散。将估计误差e_ω的收敛状态作为攻击检测的判据。

在本次实施方案中，选取

第三步，计算无人机接收端接收到的期望轨迹信号功率，并与功率阈值对比：

定义

表示通过直接序列扩频通信技术传输的期望信号代码，其中，p_d(t)表示期望轨迹信号代码，P、n(t)以及cos(2πft)分别表示参考指令传输信号的功率阈值、伪随机序列及载波。定义

表示攻击信号代码，其中，p_da(t)表示虚假信号代码，P_a表示虚假信息传输信号的功率。攻击者通过将攻击信号代码与期望信号代码叠加来发动虚假信息注入攻击。攻击后的指令信号代码可以表示为：

其中p′_d(t)表示攻击后期望轨迹信号代码，P′表示无人机接收到的受攻击的期望轨迹信号功率。将P′与P作对比，将对比结果作为攻击检测的判据。

在本次实施案例中，选取P＝2dBm，P_a＝3dBm，无人机系统接收端接收到的信号的幅值

如图2所示。

第四步，根据期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的攻击检测机制：

其中Alarm表示攻击检测机制，||·||表示·的范数，α表示估计误差e_ω的阈值，为已知常数。从检测机制Alarm中可以看出，当攻击检测判据估计误差e_ω超过阈值α，同时接收到期望轨迹信号功率超过功率阈值，就会触发攻击警报。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，且应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于多特征融合的期望轨迹信号攻击检测方法，其特征在于，包括以下步骤：

第一步，设计含有标称信号的虚拟无人机系统模型；d_v表示虚拟无人机系统中人为添加的已知标称信号，其由如下外部模型Σ₂表示：

其中ω为外部模型Σ₂的状态，

为ω的一阶时间导数，系数矩阵

V为适维已知常值矩阵，ω₀为已知常数

第二步，设计标称信号观测器，对虚拟无人机系统模型中的标称信号进行估计；

第三步，计算无人机接收端接收到的期望轨迹信号功率，并与功率阈值对比；

第四步，根据接收到期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的期望轨迹信号攻击检测机制；

所述第三步具体实现如下：

定义

表示通过直接序列扩频通信技术传输的期望信号代码，其中，p_d(t)表示期望轨迹信号代码，P、n(t)以及cos(2πft)分别表示参考指令传输信号的功率阈值、伪随机序列及载波；定义

表示攻击信号代码，其中，p_da(t)表示虚假信号代码，P_a表示虚假信息传输信号的功率；攻击者通过将攻击信号代码与期望信号代码叠加来发动虚假信息注入攻击；攻击后的指令信号代码可以表示为：

其中p′_d(t)表示攻击后期望轨迹信号代码，P′表示无人机接收到的受攻击的期望轨迹信号功率；将P′与P作对比，将对比结果作为攻击检测的判据；

所述第四步中根据接收到期望轨迹信号的功率及标称信号估计误差，设计基于多特征融合的期望轨迹信号攻击检测机制：

其中Alarm表示攻击检测机制，||·||表示·的范数，α表示估计误差e_ω的阈值，为已知常数；从检测机制Alarm中可以看出，当攻击检测判据估计误差e_ω超过阈值α，同时接收到期望轨迹信号功率超过功率阈值，就会触发攻击警报。

2.根据权利要求1所述的一种基于多特征融合的期望轨迹信号攻击检测方法，其特征在于：所述第一步具体实现如下：

设计含有标称信号的虚拟无人机系统模型Σ₁如下：

其中，p_v＝[p_vx p_vy p_vz]^T表示虚拟无人机系统Σ₁中的位置状态，p_vx，p_vy，p_vz分别表示无人机在x，y，z方向的位置状态，

表示p_v的一阶时间导数，v_v＝[v_vx v_vy v_vz]^T表示虚拟无人机系统中的速度状态，v_vx，v_vy，v_vz分别表示无人机在x，y，z方向的速度状态，

表示v_v的一阶时间导数，m表示无人机的重量；F_v和G分别表示虚拟无人机系统中的控制力和所受到的重力。

3.根据权利要求1所述的一种基于多特征融合的期望轨迹信号攻击检测方法，其特征在于：所述第二步具体实现如下：

为了检测无人机是否按照期望轨迹信号飞行，利用无人机实际飞行速度状态v，设计如下标称信号观测器：

其中

和

分别表示d_v以及ω的估计值；L和z分别表示标称信号观测器Σ₃的观测增益及辅助变量，

表示z的一阶时间导数；

定义

表示外部模型Σ₂状态ω的估计误差，根据外部模型Σ₂及标称信号观测器Σ₃，估计误差e_ω表示为：

其中γ_a表示映射在无人机控制系统的攻击影响，

为e_ω的一阶时间导数；

根据估计误差e_ω的动态方程Σ₄可以看出，在无人机期望轨迹信号未受到攻击情况下，通过选择合适的标称信号观测器增益L，能够使得估计误差e_ω渐近收敛至0；如果无人机期望轨迹信号受到攻击，估计误差e_ω将收敛至有界区域，甚至发散；将估计误差e_ω的收敛状态作为攻击检测的判据。

Images