RF Fingerprinting Unmanned Aerial Vehicles ist ein Projekt der Embry-Riddle Aeronautical University (ERAU) These von Norah Ondus.

Da unbemannte Luftfahrzeuge (UAVs) immer leichter zugänglich werden, nimmt ihre Anwendung im zivilen, militärischen und kommerziellen Bereich rasch zu. Die Anwendungsfälle reichen von der Überwachung aus der Luft über die Suche und Rettung bis hin zur Paketzustellung, was zur steigenden Beliebtheit von UAVs beiträgt. Diese wachsende Beliebtheit bringt jedoch auch Sicherheitsprobleme mit sich, wie z. B. Angriffe durch Nachahmung bei Drohnenlieferungen und UAV-Schwärmen.

Um diese Bedenken auszuräumen, schlägt dieses Projekt ein Authentifizierungssystem vor, das auf RF-Fingerprinting basiert. Es nutzt gerätespezifische Hardwarebeeinträchtigungen, die in das übertragene RF-Signal eingebettet sind, um die Identität jedes UAVs zu unterscheiden. Bei der Implementierung werden AlexNet und Techniken zur Datenerweiterung eingesetzt, um dieses Authentifizierungsziel zu erreichen.

Datum der Veröffentlichung- Herbst 2021

RF Fingerprinting Unmanned Aerial Vehicles enthält die folgenden Hauptabschnitte:

  • Einführung
  • Literaturübersicht
  • Methodik
  • Bewertung und Ergebnisse
  • Schlussfolgerung und zukünftige Arbeit

Scholarly Commons ist ein Open-Access-Repositorium, das von der Creative Commons Lizenz, CC BY-NC-NDsofern in der erforderlichen Erklärung des Herausgebers nicht anders angegeben. Es steht den Nutzern frei, den Volltextartikel ohne vorherige Genehmigung des Autors oder des Verlags herunterzuladen, zu kopieren, zu drucken oder zu verlinken. Der Autor des Originalartikels muss in angemessener Weise genannt werden. Das Material darf nicht für kommerzielle Zwecke verwendet werden.

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

Autor- Norah Ondus

Siehe auch.

Klassifizierung von UAVs anhand von RF-Fingerabdrücken

Erkennung und Klassifizierung von Mikro-UAVs anhand von RF-Fingerabdrücken mit Hilfe von Techniken des maschinellen Lernens

Post Image Credit: envatoelements von SÜCHTIG_VORRAT