GPS Spoofing Detection Method for Small UAVs Using 1D Convolution Neural Network is a work by Young-Hwa Sung, Soo-Jae Park, Dong-Yeon Kim, und Sungho Kim.

Kleine unbemannte Luftfahrzeuge (UAVs), wie z. B. Quadcopter, sind stark von der globales Positionierungssystem (GPS) for navigation. However, they are susceptible to GPS spoofing attacks, wherein malicious actors attempt to manipulate a UAV’s GPS receiver by transmitting falsified signals. Commercial GPS simulators can deceive GPS-guided Drohnen, causing them to deviate from their intended paths. To ensure the safe operation of UAVs, it is crucial to employ anti-spoofing techniques. While various methods have been developed to detect GPS spoofing, many require additional hardware, which may not be suitable for small UAVs with limited resources.

In dieser Studie wird ein leichtgewichtiger und energieeffizienter Anti-Spoofing-Ansatz vorgestellt, der auf Deep Learning basiert und insbesondere ein 1D-faltiges neuronales Netzwerk verwendet. Diese Methode ermöglicht die Erkennung in Echtzeit auf mobilen Plattformen und kann durch Erweiterung der Trainingsdaten und Anpassung der Netzwerkarchitektur weiter verbessert werden. Bei der Bewertung der eingebetteten Platine einer Drohne wurden der Stromverbrauch und die Inferenzzeit berücksichtigt. Die vorgeschlagene Methode wies im Vergleich zu Support-Vektor-Maschinen eine höhere Präzision, Recall und F-1-Score-Leistung auf. Darüber hinaus zeigten Flugtests die Wirksamkeit des Algorithmus bei der Erkennung von GPS-Spoofing-Angriffen.

Datum der Veröffentlichung- Dezember 2022

GPS Spoofing Detection Method for Small UAVs Using 1D Convolution Neural Network enthält die folgenden Hauptabschnitte:

  • Einführung
  • Verwandte Werke
  • Methode zur Erkennung von GPS-Spoofing auf der Grundlage von Deep Learning
  • Experimente
  • Schlussfolgerungen

Alle von MDPI veröffentlichten Artikel sind sofort weltweit unter einer Open-Access-Lizenz verfügbar. Für die Wiederverwendung des gesamten oder eines Teils des von MDPI veröffentlichten Artikels, einschließlich der Abbildungen und Tabellen, ist keine besondere Genehmigung erforderlich. Bei Artikeln, die unter einer Open-Access-Lizenz (Creative Common CC BY) veröffentlicht wurden, kann jeder Teil des Artikels ohne Zustimmung weiterverwendet werden, sofern der Originalartikel deutlich zitiert wird. Weitere Informationen finden Sie unter https://www.mdpi.com/openaccess.

C-UAS Hub macht sich diese Inhalte nicht zu eigen und stellt einen Link für die Nutzer auf der unten der Seite, um sie an ihrem ursprünglichen Ort aufzurufen. Dies ermöglicht es dem/den Autor(en), wichtige Artikelmetriken im Zusammenhang mit ihrer Arbeit zu verfolgen. Alle Angaben gehen an den rechtmäßigen Eigentümer.

Autoren- Young-Hwa Sung, Soo-Jae Park, Dong-Yeon Kim, und Sungho Kim.

Siehe auch.

Steuerung von UAVs mit Spoofing-Angriffen auf Sensoreingaben

Post Image- GPS-Spoofing-Signal-Simulationsumgebung. (Bildnachweis: Autoren)