Espionnage du GPS Detection Method for Small UAVs Using 1D Convolution Neural Network (Méthode de détection des petits drones à l'aide d'un réseau neuronal à convolution 1D) est un ouvrage de Young-Hwa Sung, Soo-Jae Park, Dong-Yeon Kim, et Sungho Kim.

Petits véhicules aériens sans pilote (UAV), comme les quadcoptères, dépendent fortement de la système de positionnement global (GPS) pour la navigation. Cependant, ils sont sensibles aux attaques par usurpation de GPS, dans lesquelles des acteurs malveillants tentent de manipuler le récepteur GPS d'un drone en transmettant des signaux falsifiés. Les simulateurs GPS commerciaux peuvent tromper les drones guidés par GPS. dronesce qui les fait dévier de leur trajectoire prévue. Pour garantir la sécurité des opérations des UAV, il est essentiel d'utiliser des techniques anti-spoofing. Bien que plusieurs des méthodes ont été développées pour détecter les GPS spoofing, beaucoup nécessitent du matériel supplémentaire, ce qui peut ne pas convenir aux petits UAV aux ressources limitées.

Cette étude présente une approche anti-spoofing légère et économe en énergie basée sur l'apprentissage profond, en particulier en employant un réseau neuronal convolutionnel 1D. Cette méthode permet une détection en temps réel sur les plateformes mobiles et peut être encore améliorée en augmentant les données d'entraînement et en ajustant l'architecture du réseau. L'évaluation de la carte embarquée d'un drone a pris en compte la consommation d'énergie et le temps d'inférence. La méthode proposée présente une précision, un rappel et un score F-1 supérieurs à ceux des machines à vecteurs de support. En outre, les essais en vol ont démontré l'efficacité de l'algorithme dans la détection des attaques par usurpation de GPS.

Date de publication- Décembre 2022

GPS Spoofing Detection Method for Small UAVs Using 1D Convolution Neural Network (Méthode de détection de l'usurpation de GPS pour les petits drones à l'aide d'un réseau neuronal à convolution 1D) contient les sections principales suivantes :

  • Introduction
  • Travaux connexes
  • Méthode de détection de l'usurpation d'identité GPS basée sur l'apprentissage profond
  • Expériences
  • Conclusions

Tous les articles publiés par MDPI sont immédiatement disponibles dans le monde entier sous une licence d'accès libre. Aucune autorisation spéciale n'est requise pour réutiliser tout ou partie de l'article publié par MDPI, y compris les figures et les tableaux. Toute partie de l'article peut être réutilisée sans autorisation pour les articles publiés sous une licence Creative Common CC BY, à condition que l'article original soit clairement cité. Pour plus d'informations, veuillez vous référer à https://www.mdpi.com/openaccess.

C-UAS Hub n'est pas propriétaire de ce contenu et fournit un lien pour les utilisateurs à l'adresse suivante fond de la page pour y accéder à son emplacement d'origine. Cela permet à l'auteur ou aux auteurs de suivre les métriques importantes de l'article liées à leur travail. Tout le mérite en revient à son propriétaire légitime.

Auteurs- Young-Hwa Sung, Soo-Jae Park, Dong-Yeon Kim et Sungho Kim.

Voir aussi...

Contrôle des drones avec des attaques d'usurpation d'entrée de capteur

Post Image- Environnement de simulation du signal d'usurpation du GPS. (Crédit image : auteurs)