一个基于物理的残余和粒子群集优化框架,用于基于物理的无人机GPS伪造检测
1School of Computer Science, Civil Aviation Flight University of China, Guanghan 618307, China.
一个新的框架,PIR-PSO-XGBoost,有效地检测无人机 (UAV) 中的全球定位系统 (GPS) 伪造. 这种基于物理的方法可以实现高精度,提高无人机导航系统的可靠性.
科学领域:
- 机器人和控制系统 机器人和控制系统
- 导航和定位 导航和定位
- 机器学习用于网络安全
背景情况:
- 无人驾驶飞行器 (UAV) 在导航方面严重依赖全球导航卫星系统 (GNSS).
- 全球定位系统 (GPS) 伪造是一个关键的漏洞,危及无人机导航完整性.
- 现有的检测方法往往缺乏对各种伪造场景的解释性或稳定性.
研究的目的:
- 开发一个强大的和可解释的框架来检测针对无人机的GPS伪造攻击.
- 提高无人机导航系统对GNSS信号操纵的可靠性和安全性.
- 克服传统特征工程和黑子深度学习模型在伪造检测方面的局限性.
主要方法:
- 整合了基于物理学的残余 (PIR) 建模与粒子集群优化 (PSO) 和极端梯度提升 (XGBoost) 的集成.
- 物理可解释的残余结构强制执行跨GNSS可观测的时间和载体水平的一致性.
- PSO用于全球超参数调整,以优化分类器通用化和稳定性.
主要成果:
- 在PIR-PSO-XGBoost框架中,在真实世界GPS伪造数据集上,分类准确率达到95.26%,F1得分达到95.28%.
- 与传统机器学习基线相比,表现出显著的性能改善.
- 验证了物理引导特征构建与群体优化学习相结合的有效性.
结论:
- 拟议的PIR-PSO-XGBoost框架为无人机中GPS伪造检测提供了一个强大,高效和可部署的解决方案.
- 将基于物理的特征工程与优化的机器学习相结合,可以增强检测能力.
- 与现有方法相比,这种方法提高了可解释性和计算效率.
更多相关视频
08:13SwarmSight: Real-time Tracking of Insect Antenna Movements and Proboscis Extension Reflex Using a Common Preparation and Conventional Hardware
Published on: December 25, 2017
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
相关概念视频
Errors in Global Positioning System
Field Application of Global Positioning System
Types of Global Positioning System Surveys
Introduction to Global Positioning System
Absolute Motion Analysis- General Plane Motion
As the drone's propellers rotate, an upward force is generated that counteracts the force of gravity, enabling the drone to lift off from the ground. This initial movement of the drone is along a straight path, representing a form of translational motion. In this phase, every point on the...
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
