技术新讯 > 电子通信装置的制造及其应用技术 > 基于GNN和LSTM的无人机入侵检测系统  >  正文

基于GNN和LSTM的无人机入侵检测系统

  • 国知局
  • 2024-08-02 13:56:23

本发明涉及无人机入侵检测,具体涉及基于gnn和lstm的无人机入侵检测系统。

背景技术:

1、无人机作为一种无需人操控的飞行器,具有广泛的应用前景。它们起源于军事领域,用于侦察、监视和打击等任务,逐渐扩展到民用领域,如航拍摄影、农业喷洒、物流配送等。无人机利用先进的飞行控制系统和传感技术,能够在复杂环境下执行精确的任务,为人类提供了全新的解决方案和服务模式。随着技术的不断发展,无人机的应用领域将进一步扩大,为各行各业带来更多的便利和创新。

2、在无人机系统中,最常用的通信协议包括微型飞行器链路(mavlink)和控制器区域网络(can)。这些轻量级消息传递协议用于数据交换和消息广播。根据can协议,在总线上广播消息,被视为无人机和物联网领域的事实标准。在can总线上,每条消息都有一个唯一的11位标识符,称为can仲裁id(aid)。aid的使用解决了can报文之间的冲突问题,并指定了消息传输的优先级。除了标识符外,can还包括帧开始(sof)控制域、数据长度码(dlc)、数据域、循环冗余校验(crc)、确认位(ack)和帧结束,与安全网络规范不同,它没有任何源地址位或目标地址位。

3、由于can的消息结构导致无人机很容易受到恶意攻击,因此需要一个有效的入侵检测系统(ids)来识别和检测这些对can总线网络的攻击。事实上,can总线漏洞需要一个升级的安全框架。can总线要求动态ids或id框架具有较高的检测率和准确性。标准的安全技术,如恶意软件检测、访问控制、身份验证和基于加密的有效减轻网络攻击的方法,不能满足安全需求。

技术实现思路

1、为了解决上述技术问题,本发明的目的在于提供基于gnn和lstm的无人机入侵检测系统,所采用的技术方案具体如下:

2、本发明提供了基于gnn和lstm的无人机入侵检测系统,所述系统包括:

3、数据预处理模块,用于获取由不同消息id发送的消息构成的数据集;基于所述数据集获得对应的时间差、汉明距离以及信息熵;

4、特征构建模块,用于基于所述数据集、所述时间差、所述汉明距离和所述信息熵构建图结构,并搭建uav-gclstm模型,利用训练集对uav-gclstm模型进行训练获得训练好的uav-gclstm模型;

5、入侵检测模块,用于基于所述训练好的uav-gclstm模型对无人机入侵进行检测。

6、优选的,所述时间差的获取,包括:

7、分别计算同一个信息id发送的前后两条消息之间的时间戳的差值的绝对值,作为对应的时间差。

8、优选的,所述汉明距离的获取,包括:

9、对于同一个信息id发送的前后两条消息对应的两个字符串:

10、从左到右,分别判断两个字符串中同一位置的两个字符是否相同,若不相同,则计数器的值增加1,若相同,则计数器的值不增加;将计数器的最终结果作为对应的汉明距离;其中,计数器上的初始值为0。

11、优选的,所述信息熵的获取,包括:

12、对于任一数据点:将该数据点作为窗口内的最后一个数据点,构建预设长度的窗口,作为该数据点对应的窗口;计算该数据点与该窗口内其他数据点之间的汉明距离,计算汉明距离小于距离阈值的距离数量,将所述距离数量与预设长度之间的比值作为概率;

13、基于所述概率和信息熵的计算公式获得对应的信息熵。

14、优选的,所述图结构的顶点为网络流量,节点之间的余弦相似度大于预设相似度阈值时构成一条边。

15、本发明至少具有如下有益效果:

16、本发明基于采集到的信息获取了不同消息id发送的消息,并基于获取的消息计算对应的时间差、汉明距离以及信息熵,构建图结构,将图结构与lstm模型进行融合,搭建了uav-gclstm模型,并利用训练集对其进行训练,基于训练好的uav-gclstm模型对无人机入侵进行检测,提升了无人机入侵检测的准确率和效率。

技术特征:

1.一种基于gnn和lstm的无人机入侵检测系统,其特征在于,所述系统包括:

2.根据权利要求1所述的基于gnn和lstm的无人机入侵检测系统,其特征在于,所述时间差的获取,包括:

3.根据权利要求1所述的基于gnn和lstm的无人机入侵检测系统,其特征在于,所述汉明距离的获取,包括:

4.根据权利要求1所述的基于gnn和lstm的无人机入侵检测系统,其特征在于,所述信息熵的获取,包括:

5.根据权利要求1所述的基于gnn和lstm的无人机入侵检测系统,其特征在于,所述图结构的顶点为网络流量,节点之间的余弦相似度大于预设相似度阈值时构成一条边。

技术总结本发明涉及无人机入侵检测技术领域,具体涉及基于GNN和LSTM的无人机入侵检测系统。该系统包括数据预处理模块、特征构建模块和入侵检测模块,其中,数据预处理模块:用于获取由不同消息id发送的消息构成的数据集,进而获得时间差、汉明距离以及信息熵;特征构建模块,用于基于数据集、时间差、汉明距离和信息熵构建图结构,并搭建UAV‑GCLSTM模型,利用训练集对UAV‑GCLSTM模型进行训练获得训练好的UAV‑GCLSTM模型;入侵检测模块,用于基于训练好的UAV‑GCLSTM模型对无人机入侵进行检测。本发明提升了无人机入侵检测的准确率和效率。技术研发人员:杜莹,宁傲生,李熠龙,庞岚婷,程普,王玉璟,杜晓玉受保护的技术使用者:河南大学技术研发日:技术公布日:2024/7/18

本文地址:https://www.jishuxx.com/zhuanli/20240801/241163.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。